Zusammenfassung
Der Einsatz von künstlicher Intelligenz (KI) in der Medizin ist mit großen Hoffnungen auf zielgerichtetere und verbesserte Diagnosen und Behandlungen einerseits und Steigerung der Effizienz und Qualität der Gesundheitsversorgung anderseits verbunden. Die Realisierung dieser Potenziale erfordert Veränderungen. Digitalisierung und der breite Einsatz von KI werden grundlegend verändern, wo und wie medizinische Dienstleistungen verfügbar sein werden, wie und durch wen Entscheidungen entlang des gesamten medizinischen Behandlungspfads getroffen werden und welche Behandlungen mit Blick auf die dabei erzielbaren Ergebnisse durchgeführt werden. Den großen Potenzialen stehen berechtigte Sorgen gegenüber, für die es sichere und pragmatische Lösungen zu finden gilt. Richtig eingesetzt wird KI die Gesundheitsversorgung insgesamt verbessern und zur Lösung der Herausforderungen heutiger Gesundheitssysteme beitragen.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Notes
- 1.
(Ortiz-Ospina & Roser, 2016).
- 2.
(WHO 2020).
- 3.
(Institute of Medicine (US) National Cancer Policy Forum, 2009).
- 4.
(Global Burden of Disease Health Financing Collaborator Network, 2019).
- 5.
(Elmer, 2019).
- 6.
(Mumm und Rodler et al., 2021).
- 7.
(Briganti & Le Moine, 2020)
- 8.
(Greenspan & San José Estépar, et al., 2020).
- 9.
(Bohr & Memarzadeh, 2020)
- 10.
(Gaube et al., 2021).
- 11.
(Elish & Watkins, 2020).
- 12.
(Allen et al., 2020).
- 13.
(Huisman et al., 2021).
- 14.
(Chen et al., 2021).
- 15.
(Sorace, 2020).
- 16.
(Amann et al., 2020).
- 17.
(Gerke et al., 2020).
- 18.
(Wu et al., 2021).
- 19.
(Kelly et al., 2019).
Literatur
Allen, B., Agarwal, S., Coombs, L., Wald, C., & Dreyer, K. (2020). 2020 ACR Data Science Institute Artificial Intelligence Survey. https://doi.org/10.1016/j.jacr.2021.04.002.
Amann, J., Blasimme, A., Vayena, E., et al. (2020). Explainability for artificial intelligence in healthcare: A multidisciplinary perspective. BMC Medical Informatics and Decision Making, 20, 310. https://doi.org/10.1186/s12911-020-01332-6
Bohr, A., & Memarzadeh, K. (2020). The rise of artificial intelligence in healthcare applications. Artificial Intelligence in Healthcare, 25–60. https://doi.org/10.1016/B978-0-12-818438-7.00002-2.
Briganti, G., & Le Moine, O. (2020). Artificial intelligence in medicine: Today and tomorrow. Frontiers in Medicine, 7, 27. https://doi.org/10.3389/fmed.2020.00027
Chen, M. M., Golding, L. P., Nicola, G. N. (2021). Who will pay for AI? Radiology: Artificial Intelligence 2021; 3(3), e210030. doi: https://doi.org/10.1148/ryai.2021210030.
Elish MC, Watkins EA (2020) Repairing innovation: A study of integrating AI in Clinical Care, Data & Society Research Institute, https://datasociety.net/pubs/repairing-innovation.pdf.
Elmer A (2019) Die Digitalisierung des Gesundheitswesens – Handlungsempfehlungen für Politik und Akteure, GGW 2017, Jg. 17, Heft 3 (Juli), 23–30, https://www.wido.de/fileadmin/Dateien/Dokumente/Publikationen_Produkte/GGW/wido_ggw_0317_elmer.pdf, Zugegriffen: 12. Juli 2021.
Gaube, S., Suresh, H., & Raue, M. et al. (2021). Do as AI say: susceptibility in deployment of clinical decision-aids. npj Digit. Med. 4, 31. https://doi.org/10.1038/s41746-021-00385-9.
Gerke, S., Minssen, T., & Cohen, G. (2020). Ethical and legal challenges of artificial intelligence-driven healthcare. Artificial Intelligence in Healthcare, 295–336. doi: https://doi.org/10.1016/B978-0-12-818438-7.00012-5.
Global Burden of Disease Health Financing Collaborator Network (2019). Past, present, and future of global health financing: a review of development assistance, government, out-of-pocket, and other private spending on health for 195 countries, 1995–2050. The Lancet, 393(10187), 2233–2260, June 01, 2019, DOI: https://doi.org/10.1016/S0140-6736(19)30841-4.
Greenspan, H., San José Estépar, R., Niessen, W. J., Siegel, E., & Nielsen, M. (2020). Position paper on COVID-19 imaging and AI: From the clinical needs and technological challenges to initial AI solutions at the lab and national level towards a new era for AI in healthcare. Medical image analysis, 66, 101800. https://doi.org/10.1016/j.media.2020.101800.
Huisman, M., Ranschaert, E. R., Parker, W., et al. (2021). An international survey on AI in radiology in 1041 radiologists and radiology residents, part 2: Expectations, hurdles to implementation, and education. European Radiology. https://doi.org/10.1007/s00330-021-07782-4
Institute of Medicine (US) National Cancer Policy Forum (2009). Supply and demand in the health care workforce. In: Ensuring quality cancer care through the oncology workforce: Sustaining care in the 21st Century: Workshop summary. National Academies Press (US). https://www.ncbi.nlm.nih.gov/books/NBK215247/. Zugegriffen: 12. Juli 2021.
Kelly, C. J., Karthikesalingam, A., Suleyman, M., et al. (2019). Key challenges for delivering clinical impact with artificial intelligence. BMC Medicine, 17, 195. https://doi.org/10.1186/s12916-019-1426-2
Mumm, J. N., Rodler, S., et al. (2021). (2021) Digitale Innovation in der Medizin – die COVID-19-Pandemie als Akzelerator von „digital health“. Urol J. Urogynäkol. AT, 28, 1–5. https://doi.org/10.1007/s41972-020-00126-2
Ortiz-Ospina, E., & Roser, M. (2016). Global health. https://ourworldindata.org/health-meta. Zugegriffen: 12. Juli 2021.
Sorace, J. (2020). Payment Reform in the Era of Advanced Diagnostics, Artificial Intelligence, and Machine Learning. Journal of pathology informatics, 11, 6. https://doi.org/10.4103/jpi.jpi_63_19
WHO (2020). Global spending on health: Weathering the storm. https://www.who.int/publications/i/item/9789240017788. Zugegriffen: 12. Juli 2021.
Wu, E., Wu, K., Daneshjou, R., et al. (2021). How medical AI devices are evaluated: Limitations and recommendations from an analysis of FDA approvals. Nature Medicine, 27, 582–584. https://doi.org/10.1038/s41591-021-01312-x
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Hummel, T., Rimmele, M. (2021). KI im klinischen Behandlungspfad. In: Knappertsbusch, I., Gondlach, K. (eds) Arbeitswelt und KI 2030. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-35779-5_34
Download citation
DOI: https://doi.org/10.1007/978-3-658-35779-5_34
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-35778-8
Online ISBN: 978-3-658-35779-5
eBook Packages: Business and Economics (German Language)