Skip to main content

2020 | OriginalPaper | Buchkapitel

25. Das Berufsbild des Radiologen im Wandel

Diagnoseunterstützung durch den Einsatz von KI Software

verfasst von : Matthias Steffen, Maximilian Waschka

Erschienen in: Digitalisierung im Mittelstand

Verlag: Springer Fachmedien Wiesbaden

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Hippokrates hat mit seinem Eid die Ethik für die gesamte Ärzteschaft formuliert. Was er heute hinzufügen würde, wäre vielleicht etwa folgendes: Ich werde meine Diagnosen unter Einsatz KI-gestützter Software verifizieren und mir über den digitalen Kollegen eine Zweitmeinung einholen, um Fehldiagnosen deutlich zu reduzieren.
Das klingt noch etwas absurd in unseren Ohren, doch auf vielen medizinischen Kongressen wird der Einsatz von KI-Software intensiv diskutiert und bereits als notwendig erachtet, sowohl unter medizinischer aber auch unternehmerischer Sicht.
Ärzte sind sich heute bewusst, dass ihnen vielfältige Unterstützung für die Diagnose und Behandlung zur Verfügung steht. Und das gilt nicht nur für medizintechnische Geräte, sondern auch unterstützende IT-Supportsysteme.
Rund 100 Millionen radiologische Untersuchungen werden jährlich in Deutschland mit zunehmend komplexen Verfahren durchgeführt. Moderne bildgebende Verfahren liefern Ärzten immer mehr Informationen, doch mit der Auswertung sind sie zugleich zunehmend überfordert. Künstliche Intelligenz (KI) und lernende Systeme könnten in Zukunft ein Ausweg sein.
Durch den Einsatz moderner Methoden der medizinischen Bildanalyse können Befunde computergestützt erstellt werden. Dies reduziert sowohl die Wahrscheinlichkeit von Fehldiagnosen als auch den Zeitaufwand für die Beurteilung der medizinischen Daten.
Der folgende Artikel setzt sich mit der Entwicklung und Wertschöpfungskette der Anwendung von Künstlicher Intelligenz zur Detektion von Prostatakrebs in medizinischen Bildern auseinander und zeigt, wie hierdurch die Ermöglichung einer digitalisierten und personalisierten Medizin der Zukunft vorangetrieben wird.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Fußnoten
1
Natürlich darf nicht außer Acht gelassen werden, dass Digitalisierung nicht automatisch bessere Versorgung bedeutet, jedoch ist zu vermuten, dass sich Lösungen wie Computer-assistierte Diagnosen oder Telemedizin zum Wohle des Patienten auswirken werden, wie z.B. die Veranstaltung „Bitkom Digital Health Conference 2018“ gezeigt hat [7].
 
2
In erster Linie dienen die Begrifflichkeiten „supervised“ und „unsupervised“ allerdings folgender Unterscheidung: „Beim überwachten Lernen ist das Ziel die Vorhersage einer bestimmten Eigenschaft186 aus einer Menge von gegebenen Daten, für die diese Eigenschaft schon bekannt ist. Ziel ist also die Prognose für neue, noch nicht gesehene Beispiele. Während die Qualität des Modells auf den historischen Daten problemlos überprüft werden kann, sind für eine Generalisierung auf neue, ungesehene Daten weitere Annahmen erforderlich, die nicht ohne weiteres überprüft werden können […] Im Gegensatz dazu ist im unüberwachten Lernen kein explizites Prognoseziel vorgegeben, Ziel der Analyse ist es, interessante und relevante Muster in den Daten zu finden“ [9]
 
Literatur
1.
Zurück zum Zitat Forsting, M. (2019). Künstliche Intelligenz mit der Radiologie als Vorreiter für Super-Diagnostics: Ein Essay. 100. Deutscher Röntgenkongress. Forsting, M. (2019). Künstliche Intelligenz mit der Radiologie als Vorreiter für Super-Diagnostics: Ein Essay. 100. Deutscher Röntgenkongress.
2.
Zurück zum Zitat Woo, S., Suh, C. H., Kim, S. Y., Cho, J. Y., & Kim, S. H. (2017). Diagnostic performance of prostate imaging reporting and data system version 2 for detection of prostate cancer: A systematic review and diagnostic meta-analysis, European urology, NCBI. https://www.ncbi.nlm.nih.gov/pubmed/28196723. Zugegriffen am 03.07.2018. Woo, S., Suh, C. H., Kim, S. Y., Cho, J. Y., & Kim, S. H. (2017). Diagnostic performance of prostate imaging reporting and data system version 2 for detection of prostate cancer: A systematic review and diagnostic meta-analysis, European urology, NCBI. https://​www.​ncbi.​nlm.​nih.​gov/​pubmed/​28196723. Zugegriffen am 03.07.2018.
13.
Zurück zum Zitat Müller, A. C., & Guido, S. (2017). Einführung in Machine Learning mit Python Praxiswissen Data Science. O’Reilly: Heidelberg. ISBN 978-3-96009-049-6. Müller, A. C., & Guido, S. (2017). Einführung in Machine Learning mit Python Praxiswissen Data Science. O’Reilly: Heidelberg. ISBN 978-3-96009-049-6.
16.
Zurück zum Zitat Woo, S., Suh, C. H., Kim, S. Y., Cho, J. Y., & Kim, S. H. (2017). Diagnostic performance of prostate imaging reporting and data system version 2 for detection of prostate cancer: A systematic review and diagnostic meta-analysis. European Urology. NCBI. https://www.ncbi.nlm.nih.gov/pubmed/28196723. Zugegriffen am 19.07.2019. Woo, S., Suh, C. H., Kim, S. Y., Cho, J. Y., & Kim, S. H. (2017). Diagnostic performance of prostate imaging reporting and data system version 2 for detection of prostate cancer: A systematic review and diagnostic meta-analysis. European Urology. NCBI. https://​www.​ncbi.​nlm.​nih.​gov/​pubmed/​28196723. Zugegriffen am 19.07.2019.
Metadaten
Titel
Das Berufsbild des Radiologen im Wandel
verfasst von
Matthias Steffen
Maximilian Waschka
Copyright-Jahr
2020
DOI
https://doi.org/10.1007/978-3-658-29291-1_25

Premium Partner