Einsatz künstlicher Intelligenz in der Gesundheitsbranche

Moderne Technologien die im Klinikalltag eingesetzt werden, ermöglichen es durch Erhebung großer Datenmengen ein umfassendes Gesundheitsbild der Patienten zu erstellen. Ärzte und Therapeuten stehen vor der Herausforderung mit der Menge an Daten adäquat umzugehen, um diese bestmöglich zu nutzen. Maschinelles Lernen bzw. der Einsatz künstlicher Intelligenz kann Ärzte und Therapeuten dabei unterstützen, medizinische Abläufe effizienter und patientenbezogener zu gestalten, in dem die Datenflut, die mit jedem Patienten einhergeht, strukturiert und möglichst optimal analysiert wird. Damit kann das Patientenwohl gefördert werden. Der Einsatz von künstlicher Intelligenz (KI) bzw. maschinellem Lernen hat darum in den vergangenen Jahren zunehmend an Bedeutung gewonnen.

Ein großes Hemmnis für den Einsatz im klinischen Kontext ist allerding der Blackbox-Charakter der Künstlichen Intelligenz, da es oft schwierig ist nachzuvollziehen, warum bestimmte Entscheidungen von einem System getroffen wurden.

Genau hier setzen die Arbeiten von Carlo Dindorf, wissenschaftlicher Mitarbeiter der Sportwissenschaften an der Technischen Universität Kaiserslautern, an. In einem interdisziplinären Team bestehend aus Ärzten, Therapeuten, Sport- und Bewegungswissenschaftlern sowie Informatikern des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI), entwickelt Carlo Dindorf Verfahren, um mithilfe von Künstlicher Intelligenz klinische Daten optimal auswerten zu können und eine bestmögliche Interpretierbarkeit sowie praktische Anwendbarkeit zu ermöglichen. Die Daten zur Entwicklung dieses Verfahrens werden in Kooperation mit dem Uniklinikum Mainz, der BG Klink Ludwigshafen sowie der Klinik Lindenplatz erhoben und ausgewertet. Ziel dieser Arbeitsgruppe ist es, den Blackbox-Charakter der Künstlichen Intelligenz bei der Auswertung von Daten zu reduzieren und somit die die zukünftige Anwendung im Gesundheitsbereich transparenter zu gestalten.

Carlo Dindorf, Technische Universität Kaiserslautern

Diese Entwicklungen sollen Ärzte und Therapeuten in ihrer Arbeit mittels einer optimalen Anpassung von Maßnahmen an die Zielgruppe unterstützen. So könnte z.B. bei Patienten untersucht werden, welche biomechanischen Unterschiede ausschlaggebend dafür sind, dass eine Person als Rückenschmerzpatient klassifiziert wird. Wenn ein, von der Norm abweichendes, Bewegungsmuster eines einzelnen Wirbelkörpers identifiziert wird, so kann man mit diesen Informationen individuell auf den Patienten eingehen und ihn optimal behandeln.

Methode zur Erkennung der Bewegungsmuster

Die Arbeitsgruppe stellt bei der virtuellen 7. MEDTECH RHEINLAND-PFALZ zum Thema Künstliche Intelligenz und Robotik in der Medizintechnik: Treiber des Wandels in der Gesundheitswirtschaft!? zusammen mit der Universitätsmedizin Mainzihre Forschungsergebnisse vor. Wir freuen uns auf Ihren virtuellen Besuch.

Ansprechpartnerin:

Chantal Momber
Transfer- und Kommunikationsmanagerin,
Offene Digitalisierungsallianz Pfalz
E-Mail: 
Telefon: 0631 205 5341