Brave New Komplementär- und Alternativmedizin (CAM)?

Summary

KI hat das Potenzial, die Komplementär- und Alternativmedizin (CAM) in Kombination mit modernen medizinischen Praktiken zu verbessern, indem sie die Diagnostik präziser macht, Behandlungen personalisiert und sogar eine bessere Präventivmedizin ermöglicht. Doch diese Integration muss sorgfältig gesteuert werden, um zu vermeiden, dass die Kluft zwischen reduktionistischen und ganzheitlichen Ansätzen weiter vertieft wird. Stattdessen sollte das Ziel darin bestehen, sicherzustellen, dass KI die komplementären Stärken beider Ansätze verstärkt, um eine effektivere, patientenorientierte Gesundheitsversorgung zu bieten.

Keywords

Künstliche Intelligenz - Präventivmedizin - ethische Bedenken - CAM

Abb. 1 © valiantsin/stock.adobe.com

KI birgt ein erhebliches Potenzial zur Verbesserung der CAM – Es ist wichtig, die damit verbundenen Herausforderungen zu bewältigen, um eine effektive und ethische Integration in die Gesundheitssysteme zu gewährleisten

Nico Steckhan

Declaration of Laziness

Die Welt wandelt sich rasend schnell in eine immer mehr technokratische und datengetriebene Umgebung. Zurückzuführen ist das auf die Errungenschaften der Digitalisierung, wie dem Speichern und Verarbeiten von immensen Datensätzen. Während sich die Erde dreht, werden Exabyte von Daten gespeichert und verarbeitet, um unsere Welt instand zu halten. Wenn Sie generell eine eher antitechnokratische Meinung annehmen, dann sollten Sie hier aufhören zu lesen oder zum Diskutieren motiviert werden. Ich werde auch einen Link für einen hierfür eigens angefertigten KI-Podcast über eine groß angelegte Studie über die Ketose beim Fasten weiter unten teilen.

Ich habe speziell für diesen Artikel meine KI-Nutzung überdacht und würde diese gern hier vorstellen: Hiermit deklariere ich meine Nutzung von KI, bzw. man könnte es „Declaration of Laziness“ nennen.

Deklaration für die Nutzung von ChatGPT 4o Stand 12.12.2024, 15 Uhr:

• AI-0: keine KI

• AI-1: KI für grammatikalische Prüfung (Feinschliff)

• AI-2: Übersetzung

• AI-3: Paraphrasierungen

• AI-4: substanzielles Hinzufügen von KI-Inhalten/-Output

• AI-5: vollständig KI-generiert

Der obige Text trägt somit: [AI-0: keine KI]

Rolle der KI in der Komplementär- und Alternativmedizin: Verstärkung des Guten, Schlechten und Hässlichen

Wenn die Menschen über Künstliche Intelligenz (KI) sprechen, denken sie mittlerweile meist an ChatGPT. Dabei gibt es sehr unterschiedliche Varianten von KI, u. a. eine, die nur eine oder wenige Dinge leisten kann, z. B. Katzen auf Bildern erkennen. Das Wettrennen für eine sog. allgemeine KI hat bereits begonnen, und die großen IT-Firmen, meistens aus dem Silicon Valley, haben es sich zur Aufgabe gemacht, dass diese Systeme ein breites Anwendungsfeld haben. Leider ist der Zugang mittlerweile multimodal, was Text, Bilder, Audio und Sound beinhaltet. Somit lassen sich evtl. Routinen und bestimmte Benchmarks (vergleichende Analysen zur Referenz) erstellen, z. B. sich als Experten auszugeben. Dem interaktiveren Teil, wo es eine Verkörperung braucht, wird dann mit der Robotik oder anderen technischen Lösungen Rechnung getragen. Am Hasso-Plattner-Institut befassen wir uns mit Techniken des „Affective Computing“, d. h. mit der Analyse von durch Sensoren repräsentierten Informationen. Diese werden uns über die Schnittstelle als Gesundheitssensoren (digitale Gesundheitstechnologien wie Smart Watches, als Consumer-Geräte und Medizinprodukte wie kontinuierliche Glukose-Monitoring-Systeme) und Roboter begegnen.

KI hat sich in vielen Bereichen zu einer mächtigen Kraft entwickelt, von der Bildung bis hin zur Finanzwirtschaft, und zuletzt auch in der Medizin. Große Sprachmodelle (Large Language Models wie ChatGPT) und andere KI-Systeme werden als revolutionär angesehen, da sie es ermöglichen, bestehendes menschliches Wissen zu erweitern. Doch wie bei jeder neuen Technologie gibt es auch bei der KI sowohl Glanz als auch Gefahren. Einige sprechen bei KI von einer weitreichenden Transformation wie im 19. Jahrhundert, als die Stromversorgung für die breite Bevölkerung verfügbar wurde.

Ein häufig geäußerter Kritikpunkt an KI ist, dass sie die in ihren Trainingsdaten enthaltenen Vorurteile widerspiegelt. KI-Chatbots geben rassistische oder sexistische Bemerkungen wieder, nachdem sie schädlichen Eingaben ausgesetzt waren (X, vormals Twitter). Diese Beispiele machen deutlich, welche Herausforderungen die sog. „Alignment“-Forschung mit sich bringt – also der Prozess, der sicherstellen soll, dass die Ziele und das Verhalten von KI mit menschlichen Werten übereinstimmen. Führende KI-Entwickler betonen, dass die Erreichung von Alignment so etwas wie der „Heilige Gral“ der KI-Forschung sei. Die Herausforderung besteht darin, sicherzustellen, dass KI-Systeme nicht einfach unsere Schwächen widerspiegeln oder verstärken oder – noch schlimmer – uns durch die Verbreitung von Ungenauigkeiten und Lügen in die Irre führen.

[AI-1: KI für grammatikalische Prüfung (Feinschliff)]

[AI-2: Übersetzung]

[AI-3: Paraphrasierungen]

Erfolgsgeschichten: ergänzende Rolle der KI in der CAM

Anstatt jedoch ausschließlich auf diese Fallstricke zu fokussieren, ist es wichtig, das Potenzial der KI in komplexeren Bereichen wie der Komplementär- und Alternativmedizin (CAM) zu untersuchen. CAM-Praktiken, zu denen Therapien wie Akupunktur, Pflanzenheilkunde, ganzheitliche Gesundheitsansätze und Präventivmedizin gehören, existieren teilweise seit Jahrhunderten. Mit der Einführung der KI eröffnen sich nun weitreichende Möglichkeiten für Innovationen und die Integration in die konventionelle Medizin.

Eine der größten Stärken der KI liegt in ihrer Fähigkeit, riesige Datenmengen zu analysieren und personalisierte Einblicke zu liefern.

Personalisierte Behandlungspläne

KI hat das Potenzial, individuell angepasste CAM-Behandlungen anzubieten. Sie kann große Datensätze und elektronische Patientenakten durchforsten, um Behandlungsansätze zu identifizieren, die bei ähnlichen Patienten in der Vergangenheit erfolgreich waren. Im Bereich der CAM könnte dies bedeuten, dass individuell zugeschnittene Behandlungspläne erstellt werden können, die nicht nur die Krankengeschichte der Patienten, sondern auch genetische Veranlagungen, Lebensstil, Umweltfaktoren und sogar das psychische Wohlbefinden berücksichtigen. Dies könnte den Praktikern helfen, einen personalisierten Ansatz zu entwickeln, der die einzigartige Biologie und die Präferenzen jedes Patienten berücksichtigt.

Präventivmedizin

Eines der Kernprinzipien der CAM war schon immer die Präventivmedizin, bei der die Erhaltung der Gesundheit genauso wichtig ist wie die Behandlung von Krankheiten. Hier kann KI eine zentrale Rolle spielen, indem sie frühe Anzeichen von Krankheiten analysiert, die Menschen möglicherweise übersehen würden. KI kann Muster erkennen, die sich aus Lebensstil, Ernährung, Genetik und Umweltfaktoren ergeben und auf potenzielle Gesundheitsrisiken hinweisen. Beispielsweise existieren bereits im Verzeichnis für Digitale Gesundheitsanwendungen (DiGAs) des Bundesinstituts für Arzneimittel und Medizinprodukte allerhand Anbieter für Präventions-Apps. Die dort gelisteten DiGAs sind erstattungsfähig und bieten damit Software für Gesundheitssysteme. Teilweise nutzen diese Apps auch Sensordaten. Hier kommen dann auch spezielle Datenschutzregulationen zum Tragen, da solche multimodalen Daten einem besonderen Schutzbedarf unterliegen.

Komplexe Beziehungsanalysen

Die Fähigkeit der KI, verborgene Zusammenhänge zu erkennen, kann den Praktikern helfen, komplexe Beziehungen zwischen Symptomen, Behandlungen und den zugrunde liegenden Ursachen von Krankheiten besser zu verstehen. Dies ist besonders im Bereich der CAM von Vorteil, wo das Verständnis der „ganzen Person“ essenziell ist. KI kann analysieren, wie verschiedene Behandlungen miteinander interagieren, und möglicherweise ergänzende Therapien identifizieren, die die Ergebnisse für die Patienten verbessern.

Abb. 2 KI birgt ein erhebliches Potenzial, ist aber auch mit Herausforderungen verbunden. Quelle: © k_e_n./stock.adobe.com – Stock photo. Posed by a model

Das Spannende dabei ist, dass die Prinzipien der CAM, den Körper ganzheitlich zu behandeln und sich auf Prävention zu konzentrieren, gut mit der Fähigkeit der KI harmonieren, einen personalisierten, datengetriebenen Ansatz im Gesundheitswesen zu liefern. Es gibt bereits eine Vielzahl von Belegen dafür, wie die Systembiologie und die Bioinformatik die CAM unterstützen können [1] [2] [3].

Wo können Probleme auftreten?

Wie in anderen Bereichen ist auch die Anwendung von KI in der Komplementär- und Alternativmedizin (CAM) nicht ohne Risiken. Tatsächlich gibt es einige einzigartige Herausforderungen und Gefahren, wenn KI mit CAM-Ansätzen kombiniert wird.

Gegensatz zwischen reduktionistischem und ganzheitlichem Ansatz

KI basiert traditionell auf einem reduktionistischen Denkansatz – sie zerlegt Probleme in kleinere, handhabbare Teile, um sie zu analysieren („divide and conquer“ ist hier ein gängiges Prinzip hinter vielen Algorithmen). Obwohl dies in vielen Bereichen der Medizin effektiv ist, steht es im Widerspruch zur ganzheitlichen Philosophie der CAM, die darauf abzielt, den gesamten Menschen zu behandeln anstatt nur isolierte Symptome. KI könnte diesen Gegensatz verstärken, indem sie allzu reduktionistische Einsichten liefert, die die Komplexität des menschlichen Körpers als System nicht vollständig berücksichtigen.

Gleichzeitig gibt es die Möglichkeit, dass KI diese beiden Ansätze miteinander verbindet, indem sie Einblicke in verschiedene Krankheitsstadien bietet. Bei akuten Erkrankungen könnten reduktionistische Ansätze effektiver sein (z. B. Diagnose und Behandlung anhand spezifischer Biomarker oder Symptome), während bei chronischen Erkrankungen ein ganzheitlicher präventiver Ansatz von Vorteil sein könnte. Diese Integration erfordert jedoch eine sorgfältige Gestaltung und ein Verständnis der einzigartigen Werte der CAM.

Übermäßige Abhängigkeit von KI bei Diagnosen

Es besteht die Gefahr, dass CAM-Praktiker oder Patienten sich zu sehr auf die diagnostischen Werkzeuge der KI verlassen und dabei die Bedeutung menschlicher Intuition, Erfahrung und subtiler Nuancen, die KI möglicherweise nicht erfassen kann, übersehen. Die Integration von KI in die CAM erfordert ein ausgewogenes Verhältnis zwischen menschlichem Fachwissen und maschinengenerierten Einblicken.

Ethische Bedenken und Verzerrungen

Eine KI ist nur so gut wie die Daten, auf denen sie trainiert wurde. Wenn diese Daten voreingenommen oder unvollständig sind, könnten auch die Ergebnisse diese Verzerrungen widerspiegeln. In der CAM könnte dies bedeuten, dass bestimmte Behandlungen oder Therapien, die auf westlichen medizinischen Modellen basieren, bevorzugt werden, während andere Traditionen oder Ansätze marginalisiert werden. Es ist entscheidend, dass KI-Systeme, die in der CAM eingesetzt werden, auf vielfältigen und repräsentativen Daten basieren, um dies zu verhindern und damit ihr Output systematisch geprüft wird.

Verlust der „menschlichen Note“

Die CAM ist auch verwurzelt in persönlichen, weltanschaulichen bis hin zu spirituellen Verbindungen zwischen Praktikern und Patienten. Der Einsatz von KI könnte diesen persönlichen Ansatz verwässern, wenn er nicht mit Bedacht gehandhabt wird, und zu einem klinischeren (technisierten?) und weniger mitfühlenden Ansatz in der Gesundheitsversorgung führen. CAM-Praktiker müssen darauf achten, nicht zu stark auf KI-gesteuerte Einblicke zu setzen und dabei die menschlichen Beziehungen zu vernachlässigen, die einen wesentlichen Bestandteil der alternativen Medizin ausmachen.

Zukunft der KI in der CAM: komplementäre Potenziale verstärken

Trotz der genannten Herausforderungen birgt die KI großes Potenzial, die CAM auf bedeutungsvolle Weise voranzubringen. Statt die KI als etwas zu betrachten, das die Kluft zwischen reduktionistischen und ganzheitlichen Ansätzen vertiefen könnte, sollten wir die Möglichkeit erkennen, dass diese Methoden einander ergänzen können.

KI-Anwendungen in der CAM

• Personalisierte Medizin: KI analysiert Patientendaten, um Behandlungspläne basierend auf individuellen Krankengeschichten, genetischen Faktoren und Lebensstilen zu erstellen [10].

• Früherkennung: Algorithmen können Gesundheitsmarker identifizieren und rechtzeitige Interventionen ermöglichen [10].

• Verbesserte Behandlungsergebnisse: KI unterstützt Praktiker bei fundierten Entscheidungen durch Echtzeitdatenanalysen [10].

• Forschungsfortschritte: KI beschleunigt die Datenanalyse in klinischen Studien, optimiert die Patientenauswahl und fördert die Entdeckung neuer Behandlungsmethoden [11].

Herausforderungen der KI-Integration

• Datenschutz und Sicherheit: Die Gewährleistung der Vertraulichkeit von Patientendaten hat oberste Priorität [4].

• Ethische Überlegungen: Der Einsatz von KI muss mit ethischen Standards übereinstimmen, um Vertrauen zu bewahren [12].

• Kulturelle Sensibilität: Die Balance zwischen technologischen Fortschritten und traditionellen Praktiken ist entscheidend [12].

KI kann unterschiedliche Stadien des Krankheitsverlaufs mit maßgeschneiderten Lösungen adressieren: Früherkennung (reduktionistisch) sowie Prävention und personalisierte Behandlungen (ganzheitlich). Dies könnte letztendlich zu einem neuen Paradigma im Gesundheitswesen führen, in dem sowohl KI als auch CAM zu verschiedenen Zeitpunkten in der Patientenversorgung wertvolle Beiträge leisten und zu besseren gesundheitlichen Gesamtergebnissen führen.

Praxisbeispiele

Praxisbeispiele findet man u. a. in der vorherigen Ausgabe der zkm (zkm 6/2024), unter dem Begriff der „Precision Medicine“ finden sich hier einige Referenzen. Bisher gibt es für dieses Heft nur Orientierung, und es mangelt an konkreten Studien bzw. Projekten in diesem Bereich. Besonders die Verbindung von Wissen aus fernöstlicher bzw. naturbasierter Medizin und westlichem Gedankengut sollte hier tiefergreifend verstanden und interdisziplinär erarbeitet werden.

Der Scoping Review von Chu et al. [4] zeigt existierende Arbeiten in verschiedenen Feldern der CAM, z. B. in der Zungendiagnose oder bei Varianten der personalisierten Medizin. Die TCM hat z. B. einige Arbeiten [3] zur Verschreibung von Phytotherapeutika [5], Zungen- und Lippendiagnostik und Akupunktur [6] vorzuweisen. Insgesamt sind aber die Datenlage und Nutzung von KI recht übersichtlich und es fehlt an Studien zu allen Facetten, die die CAM zu bieten hat [4]. Softwaresysteme, die bereits in der Homöopathie [7] genutzt werden, eignen sich besonders für die Integration von spezifischen KI-Anwendungen, z. B. zur Verlaufsvorhersage. Sicherlich wären Assistenzsysteme, die den Alltag von Praktizierenden bereits heute erleichtern, nur eine Variante der Nutzung von KI in der CAM.

Anwendungsbeispiel KI-generierter Podcast

Podcast mit Link zu SoundCloud:

https://soundcloud.com/audiophil-arts/brave-new-complementary

Der Podcast wurde mit einer aktuellen KI erstellt, die auf die Generierung realistischer Podcasts spezialisiert ist: NotebookLM von Google [8].

Eingaben für NotebookLM waren:

• ein aktueller Artikel von Grundler et al. [9]

• unser Konzept zur Gründung einer Gruppe für evidenzbasierte digitale Diabetologie

• ein kürzlich abgehaltener Workshop in Chennai, um eine deutsch-indische Partnerschaft zu initiieren: MM-SIDD – „From mechanisms to management of severe insulin deficient diabetes“

Bitte hören Sie sich den Podcast an – ich freue mich auf Ihr Feedback!

Hinterlassen Sie Ihre Kommentare direkt unter der Audiospur, um die Diskussion voranzutreiben.

Podcast: [AI-5: vollständig KI-generiert]

Fazit

Die Integration von Künstlicher Intelligenz (KI) in die Komplementär- und Alternativmedizin bietet eine transformative Möglichkeit, die Gesundheitsversorgung zu verbessern (s. Infobox). KI kann Patientenergebnisse durch personalisierte Behandlungspläne, frühzeitige Diagnosen und eine effizientere Versorgung erheblich verbessern. Diese Synergie unterstützt nicht nur traditionelle Praktiken, sondern adressiert auch aktuelle Herausforderungen im Gesundheitswesen.

[AI-3: Paraphrasierungen]

[AI-4: substanzielles Hinzufügen von KI-Inhalten/-Output]

Meine Hoffnung ist groß, dass CAM durch Anwendungen von KI-Tools sowohl in Prävention, Versorgung als auch Forschung verbessert werden können. Die Quadratur (Digitalisierung) des Kreises (Qualia, Lebenswirklichkeit) kann mit KI nochmals mehr ermöglicht werden, wodurch integrativmedizinische Ansätze durch Rückbesinnung noch wesentlich weiter in den Vordergrund rücken.

Eventuell kann dieser Artikel wie ein Patchwork aus der Verwendung von KI mit unterschiedlicher Tiefe verstanden werden. Dennoch müsste sich die Digitalisierung in der CAM mit folgenden Themen beschäftigen:

• P4 Medicine (predictive, preventive, personalized, participatory medicine)

• Systembiologie (omics meets traditional medicine)

• Sensortechnologien

• Digital Twins

Ob nun durch Sensoren oder durch KI-getriebene Analysen bzw. Therapien, mein Wunsch wären eine stärkere interdisziplinäre Zusammenarbeit sowie die Integration von verschiedenen Meinungen oder Daten, um dann die KI evtl. selbst als Integrator zu nutzen. Letztlich möchte sich jeder wiederfinden können – zumindest sollte man es versuchen.

[AI-0: keine KI]

Interessenkonflikt: Der Autor gibt an, dass kein Interessenkonflikt vorliegt.

Online zu finden unter
http://dx.doi.org/10.1055/a-2500-3348

Nico Steckhan
E-Mail: [e-mail]
Nico Steckhan ist seit 2024 an der Universitätsklinik Carl Gustav Carus mit dem Aufbau der evidenzbasierten digitalen Diabetologie betraut (Integration der Digitalen Phänotypisierung und KI in die Klinik für Endokrinologie, Stoffwechsel und Diabetologie, insbesondere die Einbindung dieser Technologien in das klinische Data Warehouse sowie der Entwicklung Machine-Learning-Analysen und Assistenzsysteme für medizinisches Fachpersonal). Er arbeitet an der Bereitstellung von Evaluationen für Digitale Gesundheitsanwendungen am Lehrstuhl für Prävention und Versorgung des Diabetes. Seit 2019 verschiedene Forschungs- und Lehrtätigkeiten am Lehrstuhl für Connected Healthcare unter der Leitung von Professor Arnrich innerhalb des Digital Health Clusters am Hasso-Plattner-Institut für Digital Engineering.

• Literatur

• 1 Vicente AM, Ballensiefen W, Jönsson J-I. How personalised medicine will transform healthcare by 2030: The ICPerMed vision. J Transl Med 2020; 18 (01) 180
• 2 Govindaraj P, Nizamuddin S, Sharath A. et al Genome-wide analysis correlates Ayurveda Prakriti. Sci Rep 2015; 5 (01) 15786
• 3 Wang Y, Shi X, Li L. et al The impact of Artificial Intelligence on Traditional Chinese Medicine. Am J Chin Med 2021; 49 (06) 1297-1314
• 4 Chu H, Moon S, Park J. et al The use of Artificial Intelligence in complementary and alternative medicine: A systematic scoping review. Front Pharmacol 2022; 13: 826044
• 5 Martins A, Maia E. Praça I. Herb-drug interactions: A holistic decision support system in healthcare. Healthcom 2023;
• 6 Witt CM, Graca S, Lee Y-S. Artificial Intelligence and acupuncture: A data-driven synergy. J Integr Complem Med 2024; 30 (04) 316-318
• 7 Subhra Patra S, Roy T, Dalal P. The role of Artificial Intelligence in homoeopathic system of medicine: A review. Int J Sci Res 2024; 1-2
• 8 NotebookLM. https://notebooklm.google.com
• 9 Grundler F, Mesnage R, Ruppert PMM. et al Long-term fasting-induced ketosis in 1610 subjects: Metabolic regulation and safety. Nutrients 2024; 16 (12) 1849
• 10 Cramer H. Artificial Intelligence, complementary and integrative medicine: A paradigm shift in health care delivery and research?. J Integr Complem Med 2023; 29 (03) 131-133
• 11 Ng JY, Cramer H, Lee MS. et al Traditional, complementary, and integrative medicine and artificial intelligence: Novel opportunities in healthcare. Integr Med Res 2024; 13 (01) 101024
• 12 Amabie T, Izah SC, Ogwu MC. et al Harmonizing tradition and technology: The synergy of Artificial Intelligence in traditional medicine. In: Izah SC, Ogwu MC, Akram M, eds. Herbal Medicine Phytochemistry. Cham: Springer International; 2024: 1-23

Publikationsverlauf

Artikel online veröffentlicht:
17. Februar 2025