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.

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.

Startups möchten die Zukunftsvision der maschinellen Diagnostik wahr werden lassen. Ihre Software-Lösungen quantifizieren Hirnvolumina, charakterisieren Hirnläsionen und identifizieren ischämische Infarkte. Für die klinische Routinepraxis reicht das noch nicht, meint Michael Forsting, Universitätsklinikum Essen.

Startschuss Ende September 2020: Eine Plattform für KI-unterstützte Anwendungen in der bildbasierten medizinischen Diagnostik aufbauen – so lautet das Ziel des Projekts EMPAIA unter Leitung der Berliner Charité.

Algorithmen unterstützen zunehmend auch in der Onkologie menschliche BefunderInnen. Die automatisierte Verknüpfung von Bildgebungsbefunden etwa mit Labordaten wäre ein erster Schritt hin zu einem ‚Digitalen Tumorboard’.

Krebs bekämpfen mit maschinellem Lernen: Prof. Dr. Dr. Jens Kleesiek hat die Professur für Translationale bildgestützte Onkologie an der Medizinischen Fakultät der Universität Duisburg-Essen angenommen.

Künstliche Intelligenz (KI) kann und wird die klinische Praxis in vielerlei Hinsicht verbessern – von der Terminvergabe bis zur Therapieplanung. Luis Martí-Bonmatí, La Fe Health Research Institute, Valencia, Spanien, sieht eine erfolgreiche Zukunft für die Verbindung von Mensch und Maschine.