KI in der Medizin - Prof. Dr. Christian Ledig
Creators
- 1. Pingpong Workshops Bamberg
- 2. University of Bamberg
Contributors
Other:
Description
Unser heutiger Gast, Dr. Christian Ledig, ist Professor an der Universität Bamberg und seit 2022 Inhaber des Lehrstuhls für "Erklärbares Maschinelles Lernen". Seine Expertise liegt in der Übertragung Maschinellen Lernens auf den Gesundheitsbereich.
Die höchste Wirkung entfalten KIs heute schon im Bereich "Diagnostik" und bei der "Entwicklung von Medikamente", so Ledig. Bildgebende KI-Verfahren bei Röntgen-, Kernspin- und Computertomographie-Aufnahmen stehen hier besonders im Fokus: Tatsächlich sind diese Erkennungsmechanismen ziemlich robust, effizient und erstaunlich genau. Mithilfe KIs können so zum Beispiel bereits Radiologen unterstützt werden, sagt Ledig.
Smartwatches sammeln kontinuierlich Gesundheitsdaten. Damit können Patienten die Erstdiagnosen per Telemedizin selbst vornehmen oder eigenständig überwachen. Bei Überschreiten eines Schwellenwertes können Gesundheits-Apps Warnungen an Ärzte und Patienten kommunizieren. Doch wie einheitlich ist die Datenflut in der Medizinwelt heute - und welche neuen Behandlungsmethoden ermöglichen KIs heute schon in der Realität (oder noch nicht)?
In der Praxis haben Kliniken und behandelnde Einrichtungen leider noch z.T. heterogene Arbeitsabläufe, um verfügbaren Datenbanken effizienter zu nutzen. Technisch sind die Systeme zwar oft ausgereift, aber in der Praxis nicht immer anwendbar. Die "elektronische Patientenakte", die Patientendaten zentral standardisiert listen soll, ist laut Ledig für diese Praxisschwierigkeiten ein gutes Beispiel. Hinzu kommen Einschränkungen beim Thema Datenschutz der Systeme.
Letztlich unterstreicht Ledig die Kritikalität der Medizin-KIs: Patienten vertrauen behandelnden Ärzten die eigene Gesundheit, das Leben, an. Die KI muss also für das behandelnde Personal immer erklärbar und nachvollziehbar sein, um dem Mensch eine valide Entscheidungsgrundlage zu bieten.
Files
KI_in_der_Medizin.mp3
Files
(27.4 MB)
Name | Size | Download all |
---|---|---|
md5:d8dadfdcf7c1981608eb917ae6738367
|
27.4 MB | Preview Download |
Additional details
Related works
- Is supplemented by
- Sound: 10.48564/unibafd-e2rsj-ams32 (DOI)
- Sound: 10.48564/unibafd-rt8z0-psn24 (DOI)
- Sound: 10.48564/unibafd-eb74b-jew56 (DOI)
- Sound: 10.48564/unibafd-6mhbe-5w619 (DOI)