Hugendubel.info - Die B2B Online-Buchhandlung 

Merkliste
Die Merkliste ist leer.
Bitte warten - die Druckansicht der Seite wird vorbereitet.
Der Druckdialog öffnet sich, sobald die Seite vollständig geladen wurde.
Sollte die Druckvorschau unvollständig sein, bitte schliessen und "Erneut drucken" wählen.

Health Care und Künstliche Intelligenz

E-BookEPUBePub WasserzeichenE-Book
460 Seiten
Deutsch
UTB GmbHerschienen am15.07.20241. Auflage
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.mehr
Verfügbare Formate
TaschenbuchKartoniert, Paperback
EUR39,90
E-BookPDF1 - PDF WatermarkE-Book
EUR38,99
E-BookEPUBePub WasserzeichenE-Book
EUR38,99

Produkt

KlappentextWas 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.
Details
Weitere ISBN/GTIN9783846362570
ProduktartE-Book
EinbandartE-Book
FormatEPUB
Format HinweisePub Wasserzeichen
Verlag
Erscheinungsjahr2024
Erscheinungsdatum15.07.2024
Auflage1. Auflage
Seiten460 Seiten
SpracheDeutsch
Dateigrösse15511 Kbytes
Artikel-Nr.17284399
Rubriken
Genre9200

Inhalt/Kritik

Inhaltsverzeichnis
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 LiteraturEthische Perspektiven eines verantwortungsbewussten Umgangs mit Künstlicher Intelligenz|Andreas Klein103 1. Hinführung2. Wie intelligent ist Künstliche Intelligenz - oder kann sie werden?3. Ethik und die Frage nach dem guten Handeln4. Ethik für KI4.1 Ethik-Leitlinien für eine vertrauenswürde KI4.2 Ethische Verpflichtungen4.3 Grundrechte und KI4.4 Vier ethische Grundsätze (Prinzipien)5. Abschließende Würdigung und AusblickLiteraturAbschnitt 2: Anwendungsbeispiele von KI-Anwendungen in unterschiedlichen Domänen des GesundheitswesensArtificial Intelligence und Machine Learning in der medizinischen Bilddatenverarbeitung | Wolfgang Birkfellner1. Einführung2. Welche Daten werden verwendet?3. Eine unverbindliche Anleitung für Experimente4. Anwendungsmöglichkeiten5. Stärken, Schwächen und Bedrohungen6. Auswirkungen auf das Berufsbild7. Ausblick und HerausforderungenLiteraturChatGPT als Arzt? |Lars Mehnen, Stefanie Gruarin, Mina Vasileva und Bernhard Knapp1. Zusammenfassung2. Einführung3. Beschreibung der Untersuchungsmethode3.1 Schritt 1: Ursprung der klinischen Fallvignetten3.2 Schritt 2: Verwendung von ChatGPT3.3 Schritt 3: Bewertung der richtigen Antworten3.4 Schritt 4: Darstellung der diagnostischen Genauigkeit4. Ergebnisse des Experiments4.1 Diagnostische Genauigkeit von ChatGPT bei häufigen Erkrankungen4.2 Diagnostische Genauigkeit von ChatGPT bei seltenen Erkrankungen5. Diskussion der Ergebnisse aus dem Experiment5.1 ChatGPT (Version 3.5 und 4) erreicht bemerkenswerte Genauigkeiten5.2 Lernt ChatGPT nur auswendig?5.3 ChatGPT kann / soll keinen menschlichen Arzt ersetzenLiteraturAktuelle Anwendungsszenarien und -beispiele von KI-Systemen in Diagnostik und Therapie | Bianca Buchgraber-Schnalzer und Bernhard Neumayer1. Einleitung2. Medizinische Bildgebung2.1 Bildrekonstruktion2.2 Bildanalyse3. Kardiologische Erkrankungen4. Mentale Gesundheit bzw. psychische Erkrankungen5. Physiotherapeutische KI-Support-Tools6. Kognitive Beeinträchtigungen und Demenz7. Dermatologie und chronisches Wundmanagement8. DiskussionLiteraturFederated Learning | Hannes Hilberger, Helmut Ahammer und Markus Bödenler1. Einleitung2. Technische Grundlagen3. Herausforderungen mit Federated Learning4. Aktuelle Anwendungen von Federated Learning im Gesundheitsbereich5. Zusammenfassung und AusblickLiteraturMedizinprodukte mit KI in der klinischen Praxis |Martin Baumgartner, Aaron Lauschensky, Hannes Perko, Tobias Allgeier, Stefan Beyer und Klaus Donsa1. Einleitung 1.1 Hintergrund und Bedeutung von KI in der klinischen Praxis1.2 Zielsetzung und Struktur des Kapitels2. Beispiel 1: Regelbasierter Algorithmus beim telemedizinischen Monitoring von Patienten mit Herzinsuffizienz2.1 Beschreibung des Medizinprodukts2.2 Funktionsweise der KI-Anwendung2.3 Bewertung aus medizinischer, regulatorischer, technischer und ethischer Sicht3. Beispiel 2: Deep-Learning-basierte KI-Anwendung zur EEG-Analyse3.1 Beschreibung des Medizinprodukts3.2 Funktionsweise der KI-Anwendung 3.3 Bewertung aus medizinischer, regulatorischer, technischer und ethischer Sicht4. Fazit4.1 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?LiteraturModerner Datenschutz und vertrauenswürdige KI|Lea Demelius, Michael Jantscher und Andreas Trügler1. Künstliche Intelligenz im Gesundheitsbereich1.1 Vertrauenswürdige KI1.2 Datenschutz und Privatsphäre2. Technische Datenschutz-Maßnahmen für KI-Anwendungen2.1 Homomorphe Verschlüsselung2.2 Differential Privacy2.3 Entwicklungen im Bereich Maschinelles Lernen3. Anwendungen und Beispiele3.1 KI-Analyse von Patient:innenakten3.2 Mobilität und Ausbreitung von Infektionskrankheiten4. ZusammenfassungLiteratur Ethische Aspekte von KI in der präklinischen Krebsforschung | Claire Jean-Quartier und Fleur Jeanquartier1. Einleitung2. Beispiele für ethische Aspekte von KI in der präklinischen Krebsforschung2.1 Ersatz von Tierversuchen durch in silico-Ansätze 2.2 Transparenz von KI und Verständlichkeit von Modellen2.3 Nachhaltige KI und moralische Entscheidungsprinzipien2.4 Offene Forschung im Sinne der Zugänglichkeit zum Nutzen der GesellschaftLiteraturDigitalisierung in der Pharmaindustrie | Sarah Stryeck und Johannes Khinast 1. Einführung in die Digitalisierung in der pharmazeutischen Industrie2. Digitalisierung in der Wirkstoffentdeckung und -entwicklung 3. Digitalisierung in der Produktion4. Herausforderungen bei der Digitalisierung der PI5. Chancen durch KI-gestützte Verfahren in der PI 5.1 Effizientere Versorgung mit Arzneimitteln (aus Europa)5.2 Qualität und Transparenz5.3 Technologiesouveränität und Nachhaltigkeit5.4 Bessere Patient:innenversorgungLiteraturAbschnitt 3: Ethische und rechtliche Aspekte von KI-Anwendungen im Gesundheitswesen Kompetenzen ethischer Reflexionen | Andreas Klein1. EU Ethik-Leitlinien und KI-Anforderungen1.1 Verwirklichung einer vertrauenswürdigen KI: Anforderungen an KI-Systeme1.2 Die Bewertungsliste (ALTAI)2. Folgerungen aus den Ethik-Leitlinien für die Praxis2.1 Ethikkodize2.2 Ethikkommissionen2.3 Der AI Act3. Das MEESTAR-ModellLiteraturAnhang Methoden und Tools zur ethischen Reflexion in der agilen Entwicklung von Künstlicher Intelligenz | Sebastian Dennerlein, Christof Wolf-Brenner, Robert Gutounig, Stefan Schweiger und Viktoria Pammer-Schindler1. Keine ethisch verantwortungsvolle KI ohne Reflexion2. Zum Verständnis von ethischer Reflexion und relevanten Charakteristiken3. Zur Verortung ethischer Reflexion im Entwicklungsprozess4. Von ethischen Prinzipien zu deren Berücksichtigung in der Praxis5. Darstellung und Illustration von sieben Methoden und Tools zur ethischen Reflexion5.1 Methoden und Tools 1: Data Skills Framework5.2 Methoden und Tools 2: Data Ethics Maturity Model5.3 Methoden und Tools 3: Assessment List for Trustworthy AI (ALTAI)5.4 Methoden und Tools 4: MEESTAR - Modell zur Ethischen Evaluierung Soziotechnischer Arrangements5.5 Methoden und Tools 5: DEDA - Data Ethics Decision Aid5.6 Methoden und Tools 6: Ethics in Tech Practice - A Toolkit5.7 Methoden und Tools 7: Artificial Intelligence Incident Database (AIID) 6. Diskussion offener Herausforderungen in der ethisch reflektierten Gestaltung von KI 7. ReflexionsfragenLiteraturKünstliche Intelligenz in der Medizin | Matthias Wendland1. Einleitung2. Anwendungsgebiete der KI in der Medizin3. Spezifische Risiken der KI in der Medizin3.1 Fehlerhafte Diagnostik und Therapieentscheidungen3.2 Verzerrungen (Biases)3.3 Datenschutz und DatenmissbrauchRegulatorische Rahmenbedingungen für KI-basierte Medizinprodukte | Sabrina Linzer, Christoph Matoschitz und Klaus Donsa1. Einleitung1.1 Hintergrund und Bedeutung der regulatorischen Rahmenbedingungen1.2 Zielsetzung des Kapitels2. Regulatorische Anforderungen für Medizinprodukte mit KI2.1 Medizinprodukteverordnung2.2 Klassifizierung von Medizinprodukten2.3 Konformitätsbewertungsverfahren und CE-Kennzeichnung2.4 Anforderungen an die Technische Dokumentation 2.5 Entwicklung von KI-basierter Software als Medizinprodukt3. Wertvolle Orientierungshilfen bei der Entwicklung und beim Einsatz in der klinischen Praxis 3.1 Praktische Umsetzung: Normen, Spezifikationen und Leitfäden3.2 Verantwortung von Herstellern und Anwendern von Medizinprodukten3.3 Haftungsfragen bei Fehlern oder Schäden durch KI-Anwendungen3.4 Datenschutz und Datensicherheit4. FazitLiteraturAbschnitt 4: Konsequenzen von KI für die Gesundheitsversorgung. Transformation der Handlungsfelder in GesundheitsberufenEinbettung von KI und Ethik in Curricula der Gesundheitsberufe am Beispiel eines cMOOCs | Helmut Ritschl, Waltraud Jelinek-Krickl, Rupert Beinhauer, Julia Tomanek, Bianca Buchgraber-Schnalzer und Marco Tilli1. Einbettung neuer inhaltlicher Entwicklungen im beruflichen Handlungsfeld der Gesundheitsberufe2. Beschreibung der neuen Modulkonstruktion: Didaktik, Kompetenz, Kompetenzlevels, Lernziele3. Strategie zur Identifikation von Themen und Inhalten zu KI-Anwendungen in einer konkreten Lehrveranstaltung4. Diskussion der Tiefe und der Methode der Wissensvermittlung - didaktische Reduktion5. Mögliche Erfolgsfaktoren zur Einbettung der neuen Lehrinhalte zum Thema KI und Ethik6. Muster eines cMOOCs zur Einführung in die KI für Gesundheitsberufe am Beispiel des Handlungsfeldes RadiologietechnologieLiteraturVeränderung des Berufsbildes für Fachärzt:innen der Radiologie|Erich Sorantin, Ariane Hemmelmayr und Michael Georg Grasser1. Hinführung und erste Überlegungen2. Der Workflow in der Radiologie als Ausgangspunkt möglicher Transformationen2.1 Veränderung des Arbeitsfeldes "Clincial Decision Support"2.2 Veränderung des Arbeitsfeldes in der Bildakquisition und Rekonstruktion3. Veränderung des radiologischen Befund-Arbeitsplatzes und der Befunderstellung4. Der blinde Fleck -Cybersicherheit und Datenschutz in der Radiologie - ein neues Handlungsfeld rückt immer näher4.1 Datenschutzrechtliche Sicherheitsaspekte5. ZusammenfassungLiteraturKünstliche Intelligenz und die Veränderung der Handlungsfelder von nicht-ärztlichen Gesundheitsberufen |Helmut Ritschl, Andreas Jocham, Wolfgang Staubmann, Dalibor Jeremic, Eva Mircic, Felix Mühlensiepen und Lucia RansmayrAd (I): Exemplarische Entwicklungen der Gesundheits- und Krankenpflege durch KI-AnwendungenAd (II): Exemplarische Entwicklungen der Diätologie durch KI-AnwendungenAd (III): Exemplarische Entwicklungen in der Radiologietechnologie durch KI-AnwendungenAd (IV): Exemplarische Entwicklungen in der biomedizinischen Analytik durch KI-AnwendungenAd (V): Exemplarische Entwicklungen der Logopädie durch KI-AnwendungenAd (VI): Exemplarische Entwicklungen der Physiotherapie durch KI-AnwendungenFazit und Schlussfolgerung aus den Betrachtungen der nicht-ärztlichen GesundheitsberufeLiteraturWas wollen wir von dem, was wir technisch können, realisieren? | Christof Wolf-Brenner, Nina Wolf-Brenner und Martin Semmelrock 1. Einführung1.1 Eine typische Aufnahme1.2 Herausforderungen im Aufnahmeprozess2. Eine Vision für KI im Aufnahmeprozess 2.1 Self-Service Triage 2.2 Schätzung des täglichen Zustroms und Abstroms von Patient:innen 2.3 Empfehlungen zur Auswahl der Laboruntersuchungen3. Ethische Herausforderungen und Erwägungen LiteraturKI zur Optimierung von Patient:innen-Flüssen im Gesundheitswesen| Daniel Pölzl, Robert Darkow, Susann May, Gernot Reishofer und Helmut Ritschl1. Hintergrund / Ausgangssituation2. Gesundheitskommunikation mittels KI-basierten Chatbots und NLP-Übersetzer zur Unterstützung der Patient:innen-Flüsse3. Gesundheitsvorsorge/Gesundheitsbeobachtung mittels AI gestütztem SMART Health Monitoring4. Autonome KI-gesteuerte Drohnen zur Unterstützung in Medikamentenzulieferung, Notfallmedizin, Katastrophenmanagement sowie Search and Rescue5. Fazit für die Unterstützung von Patient:innen-Flüssen durch KI AnwendungenLiteraturVerzeichnis der Autorinnen und Autorenmehr