IDEAS home Printed from https://ideas.repec.org/h/spr/sprchp/978-3-658-33597-7_36.html
   My bibliography  Save this book chapter

Explainable AI im Gesundheitswesen

In: Künstliche Intelligenz im Gesundheitswesen

Author

Listed:
  • Joachim Steinwendner

    (Fernfachhochschule Schweiz)

Abstract

Zusammenfassung Künstliche Intelligenz (KI) erlaubt das automatische Lösen von Aufgaben ohne menschliche Interaktion. Im Bereich der medizinischen Diagnostik sind besonders tiefe neuronale Netze (Deep Learning) sehr erfolgreich. Je geringer die Bench-to-Bedside-Distanz, desto klarer werden die Probleme, die mit diesen Methoden einhergehen. Eine große Herausforderung ist die Notwendigkeit der Erklärbarkeit einer Aussage eines KI-Modells, die vor allem auch bei Blackbox-Modell genannten neuronalen Netze besteht. Für den behandelnden Gesundheitsdienstleister wird diese Frage jedoch immer wichtiger, je mehr diese Algorithmen in die Klinik drängen. Mit der Frage der Interpretierbarkeit oder Erklärbarkeit in diesem Zusammenhang beschäftigt sich das Feld der Explainable Artificial Intelligence (XAI).

Suggested Citation

  • Joachim Steinwendner, 2022. "Explainable AI im Gesundheitswesen," Springer Books, in: Mario A. Pfannstiel (ed.), Künstliche Intelligenz im Gesundheitswesen, chapter 0, pages 755-767, Springer.
    • Handle: RePEc:spr:sprchp:978-3-658-33597-7_36
    DOI: 10.1007/978-3-658-33597-7_36
    as

    Download full text from publisher

    To our knowledge, this item is not available for download. To find whether it is available, there are three options:
    1. Check below whether another version of this item is available online.
    2. Check on the provider's web page whether it is in fact available.
    3. Perform a search for a similarly titled item that would be available.

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:sprchp:978-3-658-33597-7_36. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.