Künstliche Intelligenz im Gesundheitswesen : Entwicklungen, Beispiele und Perspektiven
Mario A. Pfannstiel (Hrsg.)
Einführung -- Künstliche Intelligenz im Gesundheitswesen als Kernkompetenz? Status quo, Entwicklungslinien und disruptives Potenzial -- Künstliche Intelligenz – Ein Überblick über die aktuelle und zukünftige Bedeutung von KI in der Wirtschaft und im Gesundheitswesen in Europa -- Mit KI das Gesundheitswesen verändern -- Erfolgsfaktoren, Potenziale und Barrieren von KI-Start-ups im Gesundheitswesen -- Künstliche Intelligenz im Entwicklungsprozess von Medikamenten in der Pharmaindustrie.-KI-Systeme für die nächste Medizintechnikgeneration -- Regulatorische Anforderungen an Lösungen der Künstlichen Intelligenz im Gesundheitswesen -- KI-Implementierungsoptionen in dateninflationären Versorgungsnetzen: Von der abstrakten Vision zur konkreten Wertschöpfungstransformation -- KI-basierte Lernumgebungen für eine digitale Souveränität von Patientinnen und Patienten - Theorie und Konzeption einer virtuellen Consent-Assistenz -- Bessere Medizin? Künstliche Intelligenz verantwortlich gestalten -- Ethische Aspekte von KI-Anwendungen in der Medizin -- Maschinen mit Moral für eine gute Pflege der Zukunft? -- Zwischen Automatisierung und ethischem Anspruch - Disruptive Effekte des KI-Einsatzes in und auf Professionen der Gesundheitsversorgung -- Potenziale digitaler und KI-basierter Tools zur Gesundheitsförderung in Unternehmen - Eine systemtheoretische Beobachtung von Implementierungs- und Verankerungsprozessen -- Nachhaltige Entwicklung im Krankenhauswesen – Künstliche Intelligenz als Treibstoff und Hemmnis -- Präzisionsmedizin, künstliche Intelligenz: Chancen für ein verbessertes Therapiemanagement? Ein organisationsökonomischer Blick -- Künstliche Intelligenz in der hausärztlichen Versorgung -- Einsatzgebiete künstlicher Intelligenz bei chronischen Erkrankungen – Ein erster Überblick im Diagnostik- und Therapiebereich -- Künstliche Intelligenz und Digitalisierung im Bereich Diabetes mellitus -- Künstliche Intelligenz in Prozessen des Gesundheitswesens - Chancen und Risiken am Beispiel der akuten Schlaganfallbehandlung -- Künstliche Intelligenz, Big Data und Krebsdiagnostik im Gesundheitswesen -- Diagnoseunterstützung durch künstliche Intelligenz für Labordaten -- Daten einfach anders denken! Big Data (BD) und künstliche Intelligenz (KI) in der Praxis -- Verstehen was Ärzte schreiben: Kann KI die Datenflut in der Medizin bändigen? -- Ist Stimme das neue Blut? KI und Stimmbiomarker zu früheren Diagnose – für jedermann, überall und jederzeit -- Interdisziplinäre Ansätze zu Medizin und Künstliche Intelligenz (KI): Stimmauswertung zur Frühdiagnose beim Morbus Parkinson (MP) -- KI-unterstützte Anwendungen und Potentiale in der Medizin- und Gesundheitstechnologie -- Künstliche Intelligenz in der Radiologie und Strahlentherapie aus der Perspektive von Ärzten und Medizinphysikexperten – Eine Interviewstudie -- Interpretation magnetresonanz-tomographischer (MRT) Daten mit KI -- Machine Learning in der Medizin: Was können Lernalgorithmen und wie sicher sind sie? -- Eine sanfte Einführung ins Lernen tiefer neuronaler Netze -- Neuronale Netze zur Effizienzsteigerung der Texterkennung in der Rezeptabrechnung -- Abrechnung medizinischer Leistungen mit Künstlicher Intelligenz -- Erklärbare KI in der medizinischen Diagnose – Erfolge und Herausforderungen -- Explainable AI im Gesundheitswesen -- Humanoide Robotik und körperlose KI-Systeme im Gesundheitswesen -- Roboter als intelligente Assistenten in Betreuung und Pflege – Grenzen und Perspektiven im Praxiseinsatz -- „Robotik und KI in der Pflege“ als Lerneinheit in der generalistischen Pflegeausbildung – Desiderat, Bedarf und pflegerische Wirklichkeit -- Das Bremen Ambient Assisted Living Lab und darüber hinaus - Intelligente Umgebungen, Smarte Services und Künstliche Intelligenz in der Medizin für den Menschen -- Smart Home und Smart Living – Möglichkeiten und Grenzen der KI im Projekt DeinHaus4.0 -- Smarte Systeme in Rehabilitation und Prävention. Wie künstliche Intelligenz und Gamification das Bewegungstraining individualisieren -- Klinische Evaluation eines Rollator-Moduls zur Sensorgestützten Haltungs- und Gangmustererkennung. .