Termin bei Dr. med. AI: Potenziale von Künstlicher Intelligenz im Gesundheitswesen.

Autonomie & Algorithmen

In Medizin und Gesundheitswesen haben Systeme der Künstlichen Intelligenz längst Einzug gehalten – und das aus gutem Grund, denn man verspricht sich eine verbesserte Diagnostik, präzise Verlaufsprognosen und vereinfachte Administration in einem immer stärker belasteten Gesundheitssystem. In welchen Bereichen werden die größten Potenziale gesehen? Warum ist angemessenes Vertrauen so wichtig, wenn es um die Nutzung von KI-Systemen geht? Und wie kann man sich ein ganz spezifisches bildanalysierendes System für die Darmspiegelung vorstellen?
+++

Susanne Gaube ist Assistenzprofessorin für Human Factors in Healthcare an der Global Business School for Health (GBSH) am University College London. Sie wurde an der Uni Regensburg zu den psychologischen Faktoren, die das Handhygieneverhalten im Krankenhaus beeinflussen, promoviert. Nach ihrer Promotion, für die sie den Max-Weber-Preis der Bayerischen Akademie der Wissenschaften erhielt, hat sie auch auf den Bereich Mensch-KI-Interaktion im Gesundheitssystem fokussiert. Susanne Gaubes primäre Forschung dreht sich somit um das Verstehen und Optimieren von Faktoren, die die Mensch-KI-Interaktion im Gesundheitswesen beeinflussen.

Thomas Wittenberg ist Wissenschaftlicher Leiter am Fraunhofer-Institut für Integrierte Schaltungen in Erlangen und außerdem Projekt- und Arbeitsgruppenleiter an der Friedrich-Alexander-Universität Erlangen-Nürnberg. Seine Forschungsthemen umfassen unter anderem Intelligente Bildanalyse in der Endoskopie, Digitale Pathologie und Mammographie.
+++

Linkliste

• Ada: Künstliche Intelligenz als Diagnosehilfe
• Emotion AI: Multimodale Emotionsanalyse (Projekt am Fraunhofer IIS)
• Medizinische Messtechnik (Forschungsbereich am Fraunhofer IIS)
• Detektion von Polypen und Läsionen während der Koloskopie (Projekt am Fraunhofer IIS)
• Technikakzeptanzmodelle
• Cecil et al. (2024), Einflussfaktoren auf die Nutzung KI-gestützter Technologien in der psychischen Gesundheitsversorgung. In Klein et al., Künstliche Intelligenz im Healthcare-Sektor.
• Klare et al. (2019). Automated polyp detection in the colorectum: a prospective study. Gastrointestinal Endoscopy.
• Dinge et al., (2024). Predictors of Healthcare Practitioners' Intention to Use AI-Enabled Clinical Decision Support Systems (AI-CDSSs): A Meta-Analysis Based on the Universal Theory of Acceptance and Use of Technology (UTAUT). JMIR Preprints.
• Hummelsberger et al. (2023). Insights on the Current State and Future Outlook of AI in Health Care: Expert Interview Study. JMIR AI.
• Lapuschkin et al. (2019). Unmasking Clever Hans predictors and assessing what machines really learn. Nature Communications (Studie zur Erkennung von Pferdefotos anhand der Quellen-URL)
• Zulassung, Zertifizierung und CE-Kennzeichnung von Medizinprodukten
• EU-Gesetz zur Künstlichen Intelligenz

+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!

• Unsere E-Mail-Adresse: [e-mail]
• Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
• Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback

+++

"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion.
Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.

Redaktionelle Unterstützung: Johanna Dobroschke.

Postproduktion: Anne-Katrin Pache-Wilke und Christiane Attig.

Musik: Almut Schwacke.

Grafikdesign: Sven Sedivy.

Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Wissenschaftsjahres 2024 – Freiheit.

章节

1. Vorstellung des Themas und unserer Gesprächspartner*innen (00:00:00)

2. Persönlicher Einstieg ins Thema (00:02:58)

3. Welche KI-Systeme werden im Gesundheitssystem aktuell genutzt? (00:06:35)

4. Was sind multimodale Systeme im medizinischen Bereich? (00:14:39)

5. Smarte Koloskopie: KI-unterstützte Bildgebung im Darm (00:27:22)

6. Warum sind Grafikkarten für KI-Systeme so kritisch? (00:35:24)

7. Training von ganz spezifischer bildverarbeitender KI (00:37:39)

8. Wie funktioniert KI-Training bei seltenen Erkrankungen? (00:42:41)

9. Welche Faktoren tragen zur Akzeptanz von KI-Systemen bei? (00:46:49)

10. Herausforderungen bei der Einführung von KI-Systemen (00:53:39)

11. Human in the Loop bei medizinischen KI-Systemen (00:59:15)

12. Nutzungsbarrieren (01:03:26)

13. Vertrauen in KI (01:07:55)

14. Zertifizierung von Medizinprodukten (01:21:14)

15. Wie sieht der Output eines medizinischen KI-Systems aus? (01:25:52)

16. Persönliches Fazit (01:28:55)

17. Abschlussfrage und Credits (01:32:32)