Grundsätzlich geht es bei maschinellem Lernen (ML) und KI darum, aus bestehenden Daten Verallgemeinerungen zu finden.  Ein gutes Beispiel dafür wäre ein Diagnoseprogramm, das aus Symptomen als Input, die Wahrscheinlichkeit einer bestehenden Infektion erwägt. Dafür müsste das Programm zunächst mit bestehenden Patientendaten trainiert (kalibriert) werden, um gute Diagnosen stellen zu können. Dies ließe sich praktisch auch als Chatbot umsetzen, um für besorgte Menschen eine Empfehlung aussprechen zu können ob ein Arztbesuch sinnvoll wäre.

Ein weiterer Anwendungsfall wäre, ein globales Bild von Ausbreitungsprognosen und Risikofaktoren zu erstellen, und zwar mit Hilfe aktueller Ausbreitungsdaten und mit Informationen vorheriger Pandemien/Epidemien. Maschinelles Lernen sieht bei solchen Vorgehensweisen häufig Zusammenhänge wo Menschen keine sehen. Aufgrund dieser Informationen können Menschen dann ermitteln, welche Ergebnisse tatsächlich hilfreich sind und neue Maßnahmen einleiten.

Allerdings ist es wichtig dabei nicht zu vergessen, dass ML immer nur statistische Analysen durchführt und die Gefahr diskriminierender Strukturen beherbergt. Vor Allem wenn bestimmte Bevölkerungsgruppen schwerer oder häufiger erkranken. Dann könnte KI beispielsweise Ausgangssperren für gewisse Bevölkerungsgruppen nahelegen. Diese Ergebnisse sollten immer mit Vorsicht genossen werden.

Allein die Datenerfassung wirft Fragen der Privatsphäre auf. Auch wenn Pandemien wohl in Zukunft häufiger werden, ist es wichtig, die Autonomie und Privatsphäre der Person nicht aus den Augen zu verlieren. Gerade, wenn ML viele Chancen für Prävention und Bekämpfung von Pandemien bietet. Hier gilt es, die Gratwanderung mit gesundem Menschenverstand zu navigieren.

Bildnachweise für diesen Beitrag:
© RossHelen – elements.envato.com