DKOU 2018 – Virtual Reality und KI in der Bildgebung
Wo Bildgebung mit Unterstützung von Virtual Reality und Künstlicher Intelligenz schon Teil des klinischen Alltags geworden ist, skizzierte Meinrad Beer, Universitätsklinikum Ulm.
Wo Bildgebung mit Unterstützung von Virtual Reality und Künstlicher Intelligenz schon Teil des klinischen Alltags geworden ist, skizzierte Meinrad Beer, Universitätsklinikum Ulm.
Datenqualität und Standards sind wichtige Themen, wenn Deep Learning die Befundung unterstützen.
Die Befundung vom Mammographie-Bildern gelingt Künstlicher Intelligenz ähnlich gut wie erfahrenen BefunderInnen.
Ein klinisch nutzbarer „machine learning“-Algorithmus kann BI-RADS 4 und 5 Massenläsionen besser klassifizieren als ein Radiologe, so die Ergebnisse einer Studie aus Erlangen.
Maschinelles Lernen in der quantitativen MRT-Bildgebung könnte die Diagnose neurodegenerativer Erkrankungen entscheidend verbessern.
Mit der parallelen Anwendung von Textanalyse-Werkzeugen und maschinellen Lernprozessen gelingt eine sehr gutes Verständnis manuell erstellter Befunde.
Künstliche Intelligenz wird die Arbeit von RadiologInnen erleichtern – davon ist Hinrich B. Winther, Medizinische Hochschule Hannover (MHH), überzeugt. Er stellte eindrückliche Ergebnisse seines Deep-Learning-Ansatzes am Herzen vor, der auf sorgfältig validierten Daten beruht.
Die Zukunft der IT in der Radiologie hängt an einem guten Zusammenspiel zwischen Menschen. Die Anforderungen erstrecken sich von einer qualitativ hochwertigen Datenübertragung bis zur Anwendung Künstlicher Intelligenz.
Lernende Systeme sollen die Diagnostik verbessern. Doch was passiert, wenn die richtige Diagnose so selten ist, dass sie vom System wegen Unwahrscheinlichkeit nicht ausgewählt wird?