Health Care und Künstliche Intelligenz

Was nützt Künstliche Intelligenz im Gesundheitswesen, wenn diese nicht verantwortungsvoll entwickelt und genutzt wird? Das vorliegende Buch beschäftigt sich mit den grundlegenden Modellen und aktuellen Entwicklungen im Bereich der Künstlichen Intelligenz im Gesundheitswesen, diskutiert konkrete Anwendungsszenarien und stellt die enge Verbindung mit ethischen Fragestellungen her. In kompakter und verständlicher Form wird dies von ausgewiesenen Expert:innen aus unterschiedlichen Teilbereichen und Thematiken präsentiert.

Aus: socialnet Hartmut Kreß 08.10.2024
[] Die Nutzung von KI bzw. von Maschinellem Lernen wird die Medizin und das Gesundheitswesen künftig tiefgreifend prägen zweifellos mit großem Gewinn für den Schutz der menschlichen Gesundheit und für die effektive Therapie von Krankheiten, aber auch mit bestimmten Risiken und mit noch ungeklärten Folgewirkungen. Das vorliegende Buch enthält hierzu fachübergreifend eine Fülle von Informationen, Erläuterungen und Denkanstößen. Als Sammelwerk zur KI im Gesundheitswesen stellt es ein gewichtiges, lesenswertes Pilotprojekt dar.

Autorentext
Dr. Andreas Klein ist Privatdozent und Lehrbeauftragter der Universität WienSebastian Dennerlein erwarb seinen MSc und PhD in Psychologie an der Universität Graz. Er ist Assistenzprofessor am Institut für Educational Science and Technologies Institute der Fakultät für Behavioural, Management and Social Science Faculty an der Universität Twente. Seine Forschung konzentriert sich auf individuelles und soziales Lernen in technologiegestützten und arbeitsplatzbezogenen Lernkontexten, mit besonderem Schwerpunkt auf dem Thema des selbst- und gemeinschaftlich reguliertem Lernens und designorientierten Forschungsmethoden.Prof. Dr. Helmut Ritschl leitet das Institut für Radiologietechnologie an der FH JOANNEUM in Graz und beschäftigt sich mit der digitalen Transformation im Gesundheitswesen und deren Implikationen.

Inhalt
Vorwort Einleitung | Andreas Klein, Sebastian Dennerlein und Helmut Ritschl. 1. Hinführung 2. Begriffliche Annäherungen 2.1 Künstliche Intelligenz (KI) 2.2 Maschinelles Lernen Machine Learning (ML) 2.3 (Künstliche) Neuronale Netze (KNN) 2.4 Deep Learning (DL) 3. Veranschaulichung einiger ethischer Herausforderungen und Lösungsansätze 4. Zu den Beiträgen dieses Buches Literatur Abschnitt 1: Grundlagen zu KI und erste ethische Überlegungen Data Science und Künstliche Intelligenz | Wolfgang Granigg und Klaus Lichtenegger 1. Von Big Data zur Künstlichen Intelligenz 2. Was ist Künstliche Intelligenz? 3. Eine kurze Geschichte der KI 3.1 Die Anfänge: Rechnen und Codes knacken 3.2 Logik und Symbole 3.3 Maschinelles Lernen 3.4 Statistisches Lernen 3.5 Von der Natur das Lernen lernen 3.6 Die Deep-Learning-Revolution 3.7 Technische Infrastruktur 3.8 What else? 4. Wie lernen Computerprogramme? 4.1 Supervised Learning 4.2 Unsupervised Learning 4.3 Reinforcement Learning 5. Einige Herausforderungen im ML 5.1 Underfitting und Overfitting 5.2 Ausdruckskraft vs. Erklärbarkeit Literatur 66 Wahrscheinlichkeit und Statistik manchmal gegen unsere Intuition | Klaus Lichtenegger, Raphaele Raab und Wolfgang Granigg 1. Zugänge zur Statistik 2. Verzerrungen in den Daten 3. Die Crux mit dem Mittelwert 4. Regression zur Mitte 5. Das Simpson-Paradoxon 6. Fallstricke bei der Datenvisualisierung 7. Wahrscheinlichkeit wider die Intuition 8. Bedingte Wahrscheinlichkeiten 9. Der Satz von Bayes Literatur Die Hintergründe von KI im Gesundheitswesen verstehen lernen | Marco Tilli, Michael Melcher, Debora Stickler und Raphaele Raab Vom Problem zum Machine Learning Beispiel 1: Modellieren von BIP und Kindersterblichkeit Was ist eine Lineare Regression? Beispiel 2: Gruppieren von Brustkrebs-Merkmalen Beispiel 3: Klassifikation COVID-19 vs. Grippe aufgrund der Symptome Beispiel 4: Bildverarbeitung und -klassifikation Aufbau eines CNNs Arten von CNNs Beispiel 5: Befunde verstehen und schreiben Explainable AI im Medizinwesen Was ist xAI eigentlich? Wo xAI angewandt wird Literatur Ethische Perspektiven eines verantwortungsbewussten Umgangs mit Künstlicher Intelligenz|Andreas Klein103 1. Hinführung 2. Wie intelligent ist Künstliche Intelligenz oder kann sie werden? 3. Ethik und die Frage nach dem guten Handeln 4. Ethik für KI 4.1 Ethik-Leitlinien für eine vertrauenswürde KI 4.2 Ethische Verpflichtungen 4.3 Grundrechte und KI 4.4 Vier ethische Grundsätze (Prinzipien) 5. Abschließende Würdigung und Ausblick Literatur Abschnitt 2: Anwendungsbeispiele von KI-Anwendungen in unterschiedlichen Domänen des Gesundheitswesens Artificial Intelligence und Machine Learning in der medizinischen Bilddatenverarbeitung | Wolfgang Birkfellner 1. Einführung 2. Welche Daten werden verwendet? 3. Eine unverbindliche Anleitung für Experimente 4. Anwendungsmöglichkeiten 5. Stärken, Schwächen und Bedrohungen 6. Auswirkungen auf das Berufsbild 7. Ausblick und Herausforderungen Literatur ChatGPT als Arzt? |Lars Mehnen, Stefanie Gruarin, Mina Vasileva und Bernhard Knapp 1. Zusammenfassung 2. Einführung 3. Beschreibung der Untersuchungsmethode 3.1 Schritt 1: Ursprung der klinischen Fallvignetten 3.2 Schritt 2: Verwendung von ChatGPT 3.3 Schritt 3: Bewertung der richtigen Antworten 3.4 Schritt 4: Darstellung der diagnostischen Genauigkeit 4. Ergebnisse des Experiments 4.1 Diagnostische Genauigkeit von ChatGPT bei häufigen Erkrankungen 4.2 Diagnostische Genauigkeit von ChatGPT bei seltenen Erkrankungen 5. Diskussion der Ergebnisse aus dem Experiment 5.1 ChatGPT (Version 3.5 und 4) erreicht bemerkenswerte Genauigkeiten 5.2 Lernt ChatGPT nur auswendig? 5.3 ChatGPT kann / soll keinen menschlichen Arzt ersetzen Literatur Aktuelle Anwendungsszenarien und -beispiele von KI-Systemen in Diagnostik und Therapie | Bianca Buchgraber-Schnalzer und Bernhard Neumayer 1. Einleitung 2. Medizinische Bildgebung 2.1 Bildrekonstruktion 2.2 Bildanalyse 3. Kardiologische Erkrankungen 4. Mentale Gesundheit bzw. psychische Erkrankungen 5. Physiotherapeutische KI-Support-Tools 6. Kognitive Beeinträchtigungen und Demenz 7. Dermatologie und chronisches Wundmanagement 8. Diskussion Literatur Federated Learning | Hannes Hilberger, Helmut Ahammer und Markus Bödenler 1. Einleitung 2. Technische Grundlagen 3. Herausforderungen mit Federated Learning 4. Aktuelle Anwendungen von Federated Learning im Gesundheitsbereich 5. Zusammenfassung und Ausblick Literatur Medizinprodukte mit KI in der klinischen Praxis |Martin Baumgartner, Aaron Lauschensky, Hannes Perko, Tobias Allgeier, Stefan Beyer und Klaus Donsa 1. Einleitung 1.1 Hintergrund und Bedeutung von KI in der klinischen Praxis 1.2 Zielsetzung und Struktur des Kapitels 2. Beispiel 1: Regelbasierter Algorithmus beim telemedizinischen Monitoring von Patienten mit Herzinsuffizienz 2.1 Beschreibung des Medizinprodukts 2.2 Funktionsweise der KI-Anwendung 2.3 Bewertung aus medizinischer, regulatorischer, technischer und ethischer Sicht 3. Beispiel 2: Deep-Learning-basierte KI-Anwendung zur EEG-Analyse 3.1 Beschreibung des Medizinprodukts 3.2 Funktionsweise der KI-Anwendung 3.3 Bewertung aus medizinischer, regulatorischer, technischer und ethischer Sicht 4. Fazit 4.1 Was bedeutet das Prädikat Medizinprodukt mit KI für den Aufwand der Entwicklung und auch später im Routineein-satz? 4.2 Welche Vorteile bietet der Einsatz von KI in Medizinprodukten im Vergleich zu herkömmlichen Produkten ohne KI? 4.3 Welche Herausforderungen und Risiken sind mit der Integration von KI in Medizinprodukten verbunden? 4.4 Welche Fähigkeiten und Schulungen sind erforderlich, um Lösungen, die KI einsetzen, in Medizinprodukten anzuwenden? Literatur Moderner Datenschutz und vertrauenswürdige KI|Lea Demelius, Michael Jantscher und Andreas Trügler 1. Künstliche Intelligenz im Gesundheitsbereich 1.1 Vertrauenswürdige KI 1.2 Datenschutz und Privatsphäre 2. Technische Datenschutz-Maßnahmen für KI-Anwendungen 2.1 Homomorphe Verschlüsselung 2.2 Differential Privacy 2.3 Entwickl…

#	Onlineshop	Preis CHF	Versand CHF	Total CHF
1	Seller	0.00	0.00	0.00