Skip to main content
SpringerLink
Log in

Künstliche Intelligenz in der hausärztlichen Versorgung

  • Chapter
  • First Online:
Künstliche Intelligenz im Gesundheitswesen

  • 17k Accesses

Zusammenfassung

In der hausärztlichen Versorgung kommt es häufiger zu Fehldiagnosen, was erhebliche Auswirkungen auf die Patientensicherheit hat. Künstliche Intelligenz (KI) verspricht mithilfe schnellerer und genauerer Diagnosen Fehler zu reduzieren und eine verbesserte Patientenversorgung zu ermöglichen. Bislang gibt es jedoch keine weitverbreitete Anwendung der KI in der hausärztlichen Versorgung. Gründe dafür sind eine fehlende Akzeptanz von Ärzten gegenüber Gesundheitsinformationssystemen sowie die geringe Anzahl entwickelter KI-Systeme für den hausärztlichen Bereich. Angesichts der Bedeutung des menschlichen Faktors bei der Einführung neuer Technologien ist die Untersuchung der Einstellung der Hausärzte zu KI von entscheidender Bedeutung. Anhand von 15 Interviews konnten Bedenken und Erwartungen als relevante Einflussfaktoren der Einstellung der Hausärzte bezogen auf KI in der Diagnosestellung identifiziert werden. Zusätzlich konnten praktische Implikationen für eine erfolgreiche Einführung von KI aus den Interviewdaten abgeleitet werden.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 89.00
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover Book
USD 119.99
Price excludes VAT (USA)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  • Abholz, H.-H., Altiner, A., Bachmann, C., Bartels, S., Baum, E., Becker, A., Beyer, M., Ewert, W., Huhn, W., Lorenz, G., & Pillau, H. (2017). Definition der Allgemeinmedizin. In M. Kochen (Hrsg.), Duale Reihe – Allgemeinmedizin und Familienmedizin (S. 553–557). Georg Thieme.

    Google Scholar 

  • Ahmed, M. N., Toor, A. S., O’Neil, K., & Friedland, D. (2017). Cognitive computing and the future of health care: The cognitive power of IBM Watson has the potential to transform global personalized medicine. IEEE pulse, 8(3), 4–9.

    Google Scholar 

  • Aljarboa, S., & Miah, S. J. (2018). Acceptance of a clinical decision support system for improving healthcare services in Saudi Arabia (S. 144–148). 4th Asia-Pacific World Congress on Computer Science and Engineering, June 20–22, Hanoi Vietnam, Higher Education Forum.

    Google Scholar 

  • ALQahtani, D. A., Rotgans, J. I., Mamede, S., ALAlwan, I., Magzoub, M. E. M., Altayeb, F. M., Mohamedani, M. A., & Schmidt H. G. (2016). Does time pressure have a negative effect on diagnostic accuracy. Journal of the Association of American Medical Colleges, 91(5), 710–716.

    Google Scholar 

  • Bhattacherjee, A., & Hikmet, N. (2007). Physicians’ resistance toward healthcare information technology: A theoretical model and empirical test. European Journal of Information Systems, 16(6), 725–737.

    Article  Google Scholar 

  • Bini, S. A. (2018). Artificial intelligence, machine learning, deep learning, and cognitive computing: What do these terms mean and how will they impact health care? The Journal of Arthroplasty, 33(8), 2358–2361.

    Article  Google Scholar 

  • Blease, C., Kaptchuk, T. J., Bernstein, M. H., Mandl, K. D., Halamka, J. D., & DesRoches, C. M. (2019). Artificial intelligence and the future of primary care: Exploratory qualitative study of UK general practitioners’ views. Journal of Medical Internet Research, 21(3), 1–10.

    Article  Google Scholar 

  • Bryan, C., & Boren, S. A. (2008). The use and effectiveness of electronic clinical decision support tools in the ambulatory/primary care setting: A systematic review of the literature. Informatics in Primary Care, 16(2), 79–91.

    Google Scholar 

  • Bundesärztekammer. (2018). Behandlungsfehler-Statistik. Bundesärztekammer (BÄK, Hrsg.). https://www.bundesaerztekammer.de/patienten/gutachterkommissionen-schlichtungsstellen/behandlungsfehler-statistik/2018/. Zugegriffen: 27. Nov. 2020.

  • Casalino, L. P., Dunham, D., Chin, M. H., Bielang, R., Kistner, E. O., Karrison, T. G., Ong, M. K., Sarkar, U., McLaughlin, M. A., & Meltzer, D. O. (2009). Frequency of failure to inform patients of clinically significant outpatient test results. Archives of Internal Medicine, 169(12), 1123–1129.

    Article  Google Scholar 

  • Densen, P. (2011). Challenges and opportunities facing medical education. Transactions of the American Clinical and Climatological Association, 122, 48–58.

    Google Scholar 

  • Deveugele, M., Derese, A., van den Brink-Muinen, A., Bensing, J., & de Maeseneer, J. (2002). Consultation length in general practice: Cross sectional study in six European countries. British Medical Journal, 325(7362), 472–474.

    Article  Google Scholar 

  • Dreher, A., Theune, M., Kersting, C., Geiser, F., & Weltermann, B. (2019). Prevalence of burnout among German general practitioners: Comparison of physicians working in solo and group practices. PLoS ONE, 14(2), 1–13. https://doi.org/10.1371/journal.pone.0211223

    Article  Google Scholar 

  • Erickson, B. J., Korfiatis, P., Akkus, Z., & Kline, T. L. (2017). Machine learning for medical imaging. Radiographics, 37(2), 505–515. https://doi.org/10.1148/rg.2017160130

    Article  Google Scholar 

  • Eurostat. (2017). Health care expenditure by financing scheme, Eurostat (Hrsg.). https://appsso.eurostat.ec.europa.eu/nui/submitViewTableAction.do. Zugegriffen: 27. März 2020.

  • Graber, M. L. (2013). The incidence of diagnostic error in medicine. British Medical Journal Quality and Safety, 22(2), ii21‒ii27.

    Google Scholar 

  • Graber, M. L., Franklin, N., & Gordon, R. (2005). Diagnostic error in internal medicine. Archives of Internal Medicine, 165(13), 1493–1499.

    Article  Google Scholar 

  • Higgs, J., & Jones, M. (1995). Clinical reasoning in the health professions. Butterworth Heinemann Ltd.

    Google Scholar 

  • Irving, G., Neves, A. L., Dambha-Miller, H., Oishi, A., Tagashira, H., Verho, A., & Holden, J. (2017). International variations in primary care physician consultation time: A systematic review of 67 countries. British Medical Journal Open, 7(10), 1–15.

    Google Scholar 

  • Kassenärztliche Bundesvereinigung. (2016). Deutschlandweite Projektion 2030; Arztzahlenentwicklung in Deutschland, Kassenärztliche Bundesvereinigung (KBV, Hrsg.). https://www.google.com/search?client=firefox-b-d&q=summer+aller+haus%C3%A4rzte+deutschland. Zugegriffen: 18. Jan. 2020.

  • Kassenärztliche Bundesvereinigung. (2019). Anteil der Arztgruppen an der Anzahl ambulanter Vertragsärzte in Deutschland im Jahr 2018, Kassenärztliche Bundesvereinigung (KBV, Hrsg.). https://de.statista.com/statistik/daten/studie/206924/umfrage/anteil-der-arztgruppen-an-der-anzahl-der-vertragsaerzte/. Zugegriffen: 20. März 2020.

  • LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444.

    Article  Google Scholar 

  • Matzer, M., & Litzel, N. (2020). Künstliche Intelligenz gegen Covid-19; So helfen KI-Modelle und Algorithmen im Kampf gegen das Corona-Virus, bigdata insider (Hrsg.). https://www.bigdata-insider.de/so-helfen-ki-modelle-und-algorithmen-im-kampf-gegen-das-corona-virus-a-929623/. Zugegriffen: 5. Nov. 2020.

  • Ngiam, K. Y., & Khor, I. W. (2019). Big data and machine learning algorithms for health-care delivery. The Lancet Oncology, 20(5), 262–273.

    Article  Google Scholar 

  • Obermeyer, Z., & Emanuel, E. J. (2016). Predicting the future – Big data, machine learning, and clinical medicine. The New England Journal of Medicine, 375(13), 1216–1219.

    Article  Google Scholar 

  • Razzaki, S., Baker, A., Perov, Y., Middleton, K., Baxter, J., Mullarkey, D., Sangar, D., Taliercio, M., Butt, M., Majeed, A., DoRosario, A., Mahoney, M., & Johri, S. (2018). A comparative study of artificial intelligence and human doctors for the purpose of triage and diagnosis. arXiv preprint arXiv, 1–15.

    Google Scholar 

  • Royce, C. S., Hayes, M. M., & Schwartzstein, R. M. (2019). Teaching critical thinking: A case for instruction in cognitive biases to reduce diagnostic errors and improve patient safety. Journal of the Association of American Medical Colleges, 94(2), 187–194.

    Article  Google Scholar 

  • Singh, H., Giardina, T. D., Meyer, A. N. D., Forjuoh, S. N., Reis, M. D., & Thomas, E. J. (2013). Types and origins of diagnostic errors in primary care settings. Journal of American Medical Association Internal Medicine, 173(6), 418–425.

    Google Scholar 

  • Singh, H., Meyer, A. N. D., & Thomas, E. J. (2014). The frequency of diagnostic errors in outpatient care: Estimations from three large observational studies involving US adult populations. British Medical Journal Quality and Safety, 9(23), 727–731.

    Article  Google Scholar 

  • Singh, H., Onakpoya, I., Thompson, M. J., Graber, M. L., & Schiff, G. (2016). Diagnostic errors. World Health Organization (WHO).

    Google Scholar 

  • Lancet, T. (2017). Artificial intelligence in health care: Within touching distance. The Lancet, 390(10114), 2739.

    Article  Google Scholar 

  • Topol, E. J. (2019). High-performance medicine: The convergence of human and artificial intelligence. Nature Medicine, 25(1), 44–56.

    Google Scholar 

  • van Such, M., Lohr, R., Beckman, T., & Naessens, J. M. (2017). Extent of diagnostic agreement among medical referrals. Journal of Evaluation in Clinical Practice, 23(4), 870–874.

    Article  Google Scholar 

  • Walter, Z., & Lopez, M. S. (2008). Physician acceptance of information technologies: Role of perceived threat to professional autonomy. Decision Support Systems, 46(1), 206–215.

    Article  Google Scholar 

  • Yazdani, S., Hosseinzadeh, M., & Hosseini, F. (2017). Models of clinical reasoning with a focus on general practice: A critical review. Journal of Advances in Medical Education & Professionalism, 5(4), 177–184.

    Google Scholar 

  • Böhm K, Tesch-Römer C, Ziese T. Gesundheit und Krankheit im Alter - Beiträge zur Gesundheitsberichterstattung des Bundes. Berlin: Robert Koch-Institut 2009

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Lehrstuhl für Wirtschaftsinformatik, Universität Bayreuth, Bayreuth, Deutschland

    Jasmin Hennrich, Anna L. Kauffmann & Torsten Eymann

  2. QUT Business School, Centre for the Future Enterprise, Queensland University of Technology, Brisbane City, Australien

    Christoph Buck

Authors
  1. Jasmin Hennrich
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Anna L. Kauffmann
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Christoph Buck
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. Torsten Eymann
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Jasmin Hennrich .

Editor information

Editors and Affiliations

  1. Hochschule für angewandte Wissenschaften Neu-Ulm, Fakultät Gesundheitsmanagement, Neu-Ulm, Deutschland

    Mario A. Pfannstiel

Rights and permissions

Reprints and permissions

Copyright information

© 2022 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Hennrich, J., Kauffmann, A.L., Buck, C., Eymann, T. (2022). Künstliche Intelligenz in der hausärztlichen Versorgung. In: Pfannstiel, M.A. (eds) Künstliche Intelligenz im Gesundheitswesen. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-33597-7_18

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-33597-7_18

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-33596-0

  • Online ISBN: 978-3-658-33597-7

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation