Zusammenfassung
Die Arbeit an medizinischen Anwendungen im Bereich künstliche Intelligenz (KI) ist von großer Bedeutung für die Entwicklung der KI-Branche insgesamt. In kaum einem anderen Feld spielt das Ausbalancieren der Datenschutzanforderungen mit Schaffung der Voraussetzungen für skalierbare praxisrelevante Technologien eine grössere Rolle. China scheint in der Umsetzung medizinischer KI ganz vorne zu sein. Europa im Gegensatz braucht neue Ansätze zur Förderung von KI. Daten-IDs, dezentralisierte Technologien zur Schaffung spezialisierter gesundheitsbezogener Datenmärkte könnten eine gute Lösung sein. KI und weitere Datentechnologien haben ein großes Potenzial, Medizin humaner zu gestalten und Ärzte zu entlasten, ihnen eine Möglichkeit zu geben, sich auf ihre Patienten voll und ganz zu konzentrieren. Dafür ist die enge interdisziplinäre Zusammenarbeit zwischen Ärzten, medizinischen Forschern und Technologen notwendig.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Literatur
Zhou, Y., Weng, F., Tang, J., Nussinger, R., & Cheng, F. (2020). Artificial Intelligence in Covid 19 drug repurposing, in: The Lancet, Digital health, (S. 1–10). https://www.thelancet.com/journals/landig/article/PIIS2589-7500(20)30192-8/fulltext. Zugegriffen: 31. Okt. 2020.
NIH. (2020). NIH harnesses AI for COVID-19 diagnosis, treatment, and monitoring, National Institute of Health (NIH, Ed.), National Institutes of Health (Ed.), online im Internet. https://www.nih.gov/news-events/news-releases/nih-harnesses-ai-covid-19-diagnosis-treatment-monitoring. Zugegriffen: 31. Okt. 2020.
Zame, W. R., Biaz, L., Shen, C., Curth, A., Lee, H.-S., & Bailey, S. (2020). Machine learning for clinical trials in the era of Covid 19. Statistics in Biopharmaceutical Research, 506–517, https://www.tandfonline.com/doi/full/https://doi.org/10.1080/19466315.2020.1797867. Zugegriffen: 31. Okt. 2020.
DeepMind. (2020). Computational predictions of protein structures associated with COVID-19, Deep Mind (Hrsg.). https://deepmind.com/research/open-source/computational-predictions-of-protein-structures-associated-with-COVID-19, Zugegriffen: 31. Okt. 2020.
Hao, K. (2020). Doctors are using ai to triage Covid19 patients. the tools may be here to stay, MIT technology review (Hrsg.). https://www.technologyreview.com/2020/04/23/1000410/ai-triage-covid-19-patients-health-care/. Zugegriffen: 31. Okt. 2020.
Spector, T. (2020). Covid Infections in the UK today, Covid Symptom Study, ZOE (Hrsg.). https://covid.joinzoe.com/data. Zugegriffen: 31. Okt. 2020.
Science Board. (2020). Recursion launches dataset for COVID-19 drug discovery, The Science Advisory Board (Hrsg). https://www.scienceboard.net/index.aspx?sec=sup&sub=can&pag=dis&ItemID=695. Zugegriffen: 31. Okt. 2020.
Hargraves, B. (2020). Gates foundation in unprecedented coronavirus partnership with industry, biopharma reporter.com, biopharma reporter (Hrsg.), https://www.biopharma-reporter.com/Article/2020/03/26/Gates-Foundation-partners-with-industry-on-coronavirus. Zugegriffen: 31. Okt. 2020.
Goode, L. (2020). Facebook and Google survey data may help map Covid-19’s Spread, Wired, Wired (Hrsg.). https://www.wired.com/story/survey-data-facebook-google-map-covid-19-carnegie-mellon. Zugegriffen: 31. Okt. 2020.
Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., Agarwal, S., Herbert-Voss, A., Krueger, G., Henighan, T., Child, R., Ramesh, A., Ziegler, D. M., Wu, J., Winter, C., Hesse, C., Chen, M., Sigler, E., Litwin, M., Gray, S., Chess, B., Clark, J., Berner, C., McCandlish, S., Radford, A., Sutskever, I., & Amodei, D. (2020) Language models are few-shot learners. Arxiv (Hrsg.), Open AI, (S. 1–75). https://arxiv.org/abs/2005.14165. Zugegriffen: 31. Okt. 2020.
Barenboim, E., & Pearl, J. (2016). Causal inference and the data-fusion problem. E. Bareinboim. Journal of Pearl. Proceedings of the National Academy of Sciences, 113(27), 7345–7352.
Barenboim, E., & Pearl, J. (2015). Bandits with unobserved confounders: A causal approach. In Proceedings of the 28th Annual Conference on Neural Information Processing Systems (NIPS).
Barenboim, E., & Pearl, J. (2014a). Transportability from Multiple Environments with Limited Experiments: Completeness Results. In Proceedings of the 27th Annual Conference on Neural Information Processing Systems (NIPS).
Barenboim, E., Tian, J., Pearl J. (2014b) Recovering from selection bias in causal and statistical inference. E. Bareinboim, J. Tian, J. Pearl. In Proceedings of the 28th AAAI Conference on Artificial Intelligence (AAAI).
Barenboim, E., & Pearl, J. (2013). A general algorithm for deciding transportability of experimental results. E. Bareinboim, J. Pearl. Journal of Causal Inference, 1(1), S. 107–134.
Pearl, J., & Mackenzie, D. (2018). The book of why: The new science of cause and effect. Basic Books.
Marcus, G. (2020). GPT-2 and the nature of intelligence, The Gradient (Hrsg.). https://thegradient.pub/gpt2-and-the-nature-of-intelligence/. Zugegriffen: 31. Okt. 2020.
Rousseau, A.-L., Baudelaire, C., Riera, K. (2020). Doctor GPT-3: hype or reality? Nabla (Hrsg.). https://www.nabla.com/blog/gpt-3/?fbclid=IwAR2LWRFsNG9zy4K3GgVCe0J3eD83JbUUm0or8RouzGcSklBxsPBMLYUBKL0. Zugegriffen: 31. Okt. 2020.
t3n. (2020). Als Chatbot ungeeignet: GPT-3 gibt fiktiven Patienten verheerende Ratschläge, t3n (Hrsg.). https://t3n.de/news/chatbot-ungeeignet-gpt-3-fordert-1332060/. Zugegriffen: 31. Okt. 2020.
Topol, E. (2019). Deep medicine: How artificial intelligence can make healthcare human again. Basic Books.
Feeny, A. K., Chung, M. K., Madabhushi, A., Attia, Z. I., Cikes, M., Firouznia, M., Friedman, P. A., Kalscheur, M. M., Kapa, S., Narayan, S. M., Noseworthy, P. A., Passman, R. S., Perez, M. V., Peters, N. S., Piccini, J. P., Tarakji, K. G., Thomas, S. A., Trayanova, N. A., Turakhia, M. P., & Wang, P. J. (2020). Artificial Intelligence and Machine Learning in Arrhythmias and Cardiac Electrophysiology. Circulation: Arrythmia and Electrophysiology, 13(18). https://www.ahajournals.org/doi/abs/10.1161/CIRCEP.119.007952?download=true. Zugegriffen: 31. Okt. 2020.
Dillon, J. J., DeSimone, C. V., Sapir, Y., Somers, V. K., Dugan, J. L., Bruce, C. J., Ackerman, M. J., Asirvatham, S. J., Striemer, B. L., Bukartyk, J., Scott, C. G., Bennet, K. E., Mikell, S. B., Ladewig, D. J., Gilles, E. J., Geva, A., Sadot, D., & Friedman, P. A. (2015). Noninvasive potassium determination using a mathematically processed ECG: Proof of concept for a novel ‘blood-less’ Blood Test. Journal of Electrocardiology, 48(1), 12–18.
Heaven, W. D. (2020) Google’s medical ai was super accurate in a lab. Real life was a different story. MIT Technology Review. https://www.technologyreview.com/2020/04/27/1000658/google-medical-ai-accurate-lab-real-life-clinic-covid-diabetes-retina-disease/. Zugegriffen: 31. Okt. 2020.
Srivastave, S. (2020) URL: AI Winter is coming: Hear from experts, what could possibly happen. https://www.analyticsinsight.net/ai-winter-coming-hear-experts-possibly-happen/. Zugegriffen: 31. Okt. 2020.
Greive, M. (2020) Datenwüste Deutschland: Wie die Krisenpolitik wirkt, kann niemand so genau sagen, Handelsblatt (Hrsg.). https://www.handelsblatt.com/politik/deutschland/wirtschaftspolitik-datenwueste-deutschland-wie-die-krisenpolitik-wirkt-kann-niemand-so-genau-sagen/26575950.html. Zugegriffen: 31.Okt. 2020.
International Council of Ophtamology. (2020). Number of ophthalmologists in practice and training worldwide. International Council of Ophtamology (icoph, Ed.). http://www.icoph.org/ophthalmologists-worldwide.html. Zugegriffen: 31. Okt. 2020.
Frankfurter Rundschau. (2020). Nachverfolgung von Infektionsketten in Wiesbaden nicht mehr möglich. Frankfurter Rundschau (FR, Hrsg.). https://www.fr.de/rhein-main/wiesbaden/nachverfolgung-von-infektionsketten-in-wiesbaden-nicht-mehr-moeglich-90082534.html. Zugegriffen: 31. Okt. 2020.
Merkurist. (2020). Leiterin des Gesundheitsamts bei Anne Will: „Wir sind an einem kritischen Punkt“. Merkurist (Hrsg.). https://merkurist.de/wiesbaden/dr-kaschlin-butt-leiterin-des-gesundheitsamts-bei-anne-will-wir-sind-an-einem-kritischen-punkt_3Gy. Zugegriffen: 31. Okt. 2020.
Castro, D. (2019). Who Is winning the AI Race. https://datainnovation.org/2019/08/who-iswinning-the-ai-race-china-the-eu-or-the-united-states/. Zugegriffen: 31. Okt. 2020.
Quang, E. (2018). A Chinese hospital is betting big on artificial intelligence to treat patients, Quartz. Quartz Media (Hrsg.). https://qz.com/1244410/faced-with-a-doctor-shortage-a-chinese-hospital-is-betting-big-on-artificial-intelligence-to-treat-patients/. Zugegriffen: 31. Okt. 2020.
Yan, A. (2017) How a robot passed China’s medical licensing exam. South China Morning Post, South China Morning Post (SCMP, Ed.). https://www.scmp.com/news/china/society/article/2120724/how-robot-passed-chinas-medical-licensing-exam. Zugegriffen: 31. Okt. 2020.
Statista.de. (2020). Anteil der Befragten in den Ländern der EU 28, die täglich oder fast täglich das Internet nutzen in den Jahren 2018 und 2019, Europäische Kommission (Hrsg.). https://de.statista.com/statistik/daten/studie/370503/umfrage/taegliche-internetnutzung-in-den-laendern-der-eu/. Zugegriffen: 31. Okt. 2020.
Ocean Protocol. (2020). Build powerful Web3 apps for the data economy. Unternehmenswebseite Ocean Protocol (Hrsg.). https://oceanprotocol.com/. Zugegriffen: 31. Okt. 2020.
Oasis Lab. (2020) Share. Control. Secure. Unternehmenswebseite. Oasis Labs (Hrsg.). https://www.oasislabs.com/. Zugegriffen: 31. Okt. 2020.
MIDATA. (2020). Meine Daten – Unsere Gesundheit. Webseite der Organisation. MIDATA (Hrsg.). https://www.midata.coop/. Zugegriffen: 31. Okt. 2020.
Tang, A. (2020). On stimulating social innovation in Taiwan & Radically trusting citizens. ImpactBoom (Hrsg.). https://www.impactboom.org/blog/2020/9/21/audrey-tang-on-stimulating-social-innovation-in-taiwan-radically-trusting-citizens. Zugegriffen: 31. Okt. 2020.
Tang, A. (2019). A strong democracy is a digital democracy. The New York Times (Hrsg.). https://blog.thegovlab.org/post/audrey-tang-for-the-new-york-times-a-strong-democracy-is-a-digital-democracy. Zugegriffen: 31. Okt. 2020.
The Site Magazine. (o. J.). Collective Intelligence with more signal than noise, An Interview with the Digital Minister of Taiwan. The Site Magazine (Hrsg.). https://www.thesitemagazine.com/audrey-tang. Zugegriffen: 31. Okt. 2020.
Dathe, R. (2020). Wie digital ist Deutschland? D21 Digital Index 2019/20, Jährliches Lagebild zur Digitalen Gesellschaft. Initiative D21 e.V. (Hrsg.). https://initiatived21.de/publikationen/d21-digital-index-2019-2020/. Zugegriffen: 31. Okt. 2020.
PwC. (2018). Future Health 2018 – Telemedizin auf dem Vormarsch. Bevölkerungsumfrage zur Digitalisierung und Technologisierung im Gesundheitswesen. Wollschläger J., PricewaterhouseCoopers (PwC, Hrsg.). https://www.pwc.de/de/gesundheitswesen-und-pharma/future-health-2018.html. Zugegriffen: 31. Okt. 2020.
PwC. (2017). Sherlock in Health. How artificial intelligence may improve quality and efficiency, whilst reducing healthcare costs in Europe – Künstliche Intelligenz in der Gesundheitswirtschaft. Wie KI zu einer besseren und günstigeren Gesundheitsversorgung beitragen kann. PricewaterhouseCoopers (PwC, Hrsg.). https://www.pwc.de/de/gesundheitswesen-und-pharma/wie-kuenstliche-intelligenz-das-gesundheitssystem-revolutioniert.html. Zugegriffen: 31. Okt. 2020.
Roche. (2020). Molekulare Whistleblower. Biomarker, Roche (Hrsg.), https://www.roche.de/about/was-wir-bewegen/personalisierte-medizin/phc-grosse-wirkung.html#Gestern. Zugegriffen: 31. Okt. 2020.
Ärzteblatt. (2020). Kein Engpass bei Intensivbetten, aber beim Personal. Ärzteblatt. https://www.aerzteblatt.de/nachrichten/117604/Kein-Engpass-bei-Intensivbetten-aber-beim-Personal. Zugegriffen: 31. Okt. 2020.
Stahel, P. F., Van der Heiden, T. F., & Kim, F. J. (2017). Why do surgeons continue to perform un-necessary surgery? Patient Safety in Surgery, 1, (1), 1–2. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5234149/. Zugegriffen: 31. Okt. 2020.
Eisler, P., & Hansen, B. (18. Juni. 2013) Doctors perform thousands of unnecessary surgeries, USA Today. https://eu.usatoday.com/story/news/nation/2013/06/18/unnecessary-surgery-usa-today-investigation/2435009/. Zugegriffen: 31. Okt. 2020.
Sweeney Law Firm. (o. J.). Unnecessary Surgeries, Sweeney Law Firm, Sweeney Law Firm (Hrsg.).: https://sweeneylawfirm.com/content/unnecessary-surgeries. Abrufdatum: 31. Okt. 2020.
Reeve, A. G., & Danforth, C. M., (2016). Instagram photos reveal predictive markers of depression. EPJ Data Science, 6(1), 1–34. https://www.researchgate.net/publication/306186650_Instagram_photos_reveal_predictive_markers_of_depression. Zugegriffen: 31. Okt. 2020.
Fauw, J. D., Ledsam, J. R., Romera-Paredes, B., Nikolov, S., Tomasev, N., Blackwell, S., Askham, H., Glorot, X., O’Donoghue, B., Visentin, D., Driessche, G. von den, Lakshminarayanan, B., Meyer, C., Mackinder, F., Bouton, S., Ayoub, K., Chopra, R., King, D., Alan Karthikesalingam, A., Hughes, C. O., Raine, R., Hughes, J., Sim, D. A., Egan, C., Tufail, A., Montgomery, H., Hassabis, D., Rees, G., Back, T., Khaw, P. T., Suleyman, M., Cornebise, J., Keane, P. A., & Ronneberger, O. (2018). Clinically applicable deep learning for diagnosis and referral in retinal disease. Nature Medicine, 24, 1342–1350. https://www.nature.com/articles/s41591-018-0107-6. Zugegriffen: 31. Okt. 2020.
Yim, J., Chopra, R., De Fauw, J., & Ledsam, J. (2020). Using AI to predict retinal disease progression, DeepMind (Hrsg.). https://deepmind.com/blog/article/Using_ai_to_predict_retinal_disease_progression, Zugegriffen: 31. Okt. 2020.
Markets and Markets. (2020). Artificial Intelligence in Healthcare Market with Covid-19 Impact Analysis by Offering (Hardware, Software, Services), Technology (Machine Learning, NLP, Context-Aware Computing, Computer Vision), End-Use Application, End User and Region – Global Forecast to 2026, Markets and Markets. https://www.marketsandmarkets.com/pdfdownloadNew.asp?id=54679303, Zugegriffen: 31. Okt. 2020.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2022 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Lauterbach, A. (2022). Mit KI das Gesundheitswesen verändern. In: Pfannstiel, M.A. (eds) Künstliche Intelligenz im Gesundheitswesen. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-33597-7_4
Download citation
DOI: https://doi.org/10.1007/978-3-658-33597-7_4
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)