
KI trainieren und dabei Datenschutz gewährleisten
Federated Learning und Sicheres Aggregieren: Kombination mehrerer Sicherheitsschritte hilft patientenbezogene Daten zu schützen.
Federated Learning und Sicheres Aggregieren: Kombination mehrerer Sicherheitsschritte hilft patientenbezogene Daten zu schützen.
Für Radiologie sind künstliche Intelligenz, maschinelles Lernen und neuronale Netze schon Teil des Arbeitsalltags – sie ist bereits digitale Avantgarde. Um Innovation in Deutschland wirklich anzutreiben fehlt die Kostenerstattung.
Von einer echten Digitalisierung sind die meisten Prozesse in der Radiologie noch weit entfernt. Michael Forsting diskutierte Arbeitsschritte, wo Digitalisierung den Workflow verbessern könnte.
Was ist, juristisch gesehen, wirklich KI? Welche Daten liegen den Algorithmen zugrunde? Und wer haftet bei Fehlentscheidungen? Wichtige Fragen, für deren Antworten auch engagierte RadiologInnen gebraucht werden.
Zahlreiche KI-basierte Tools für die Lungendiagnostik sind zwar zugelassen, besitzen aber noch nicht das nötige Vertrauen. Für das zügige Validieren von Algorithmen ist die Zusammenarbeit über die Grenzen von Institutionen und Ländern hinweg unerlässlich.
Gemeinsame Nutzung von Trainingsdaten soll die KI-basierte Schlaganfall-Prognostik verbessern.
CoViD-19 und Digitalisierung zum Trotz: RadiologInnen müssen im klinischen Ablauf sichtbar bleiben und für die anderen ärztlichen Disziplinen persönlich ansprechbar sein. Das meint Adrian Brady, Mitautor zahlreicher Positionspapiere der European Society of Radiology.
KlinikerInnen, Verwaltung und IT müssen beim Kauf von KI-Software einbezogen werden. Das ist ein Schlüsselfaktor – neben Datenhoheit, Kostenstruktur, Leistungskennzahlen und Investitionsrendite.
„Das aktuell größte Risiko KI-basierter Anwendungen ist nicht, dass sie besser werden als der Mensch, sondern dass sich der Mensch mit qualitativ schwachen KI-Ergebnissen zufrieden gibt.“ Oleg Pianykh, Harvard Medical School, ruft damit die RadiologInnen auf, sich mit kontinuierlich lernenden KI-Systemen zu befassen.
Alle Bilddaten verbleiben an ihrer ursprünglichen Institution – geteilt werden die Analyse-Algorithmen. Das ist der Ansatz der neuen 'Joint Imaging Platform' für die Analyse medizinischer Bilder.