IDEAS home Printed from https://ideas.repec.org/h/spr/sprchp/978-3-658-36226-3_32.html
   My bibliography  Save this book chapter

Big Data und Künstliche Intelligenz: Chancen und Anforderungen für einen erfolgreichen und nachhaltigen Einsatz im Gesundheitswesen

In: Digitalstrategie im Krankenhaus

Author

Listed:
  • Julian Varghese

    (Institut für Medizinische Informatik der Universität Münster)

Abstract

Zusammenfassung Große Datenschätze in der Medizin sowie innovative Auswertungsmethoden, um diese Schätze zu heben, nehmen in der medizinischen Forschung stetig zu. Der effektive Einsatz von Maschinellen Lernmethoden oder Künstlicher Intelligenz in der Klinik erfordert jedoch neben wissenschaftlich technischen Aspekten, auch organisatorische Maßnahmen, damit Systeme in der Klinik eine effektive aber auch breite Anwendung finden. Regulatorische Anforderungen, Interoperabilität und Interpretierbarkeit, Strukturiertheit der Daten oder kurz RISE-Kriterien sind bekannte Schlüsselherausforderungen um Big Data und Methoden der Künstlichen Intelligenz im Gesundheitswesen zu integrieren und sollten mit Maßnahmen für eine hohe Benutzerakzeptanz sowie ethisch-rechtlichen Aspekten gepaart werden. Das vorliegende Kapitel geht insbesondere auf wissenschaftlich-technischen Aspekte dieser RISE-Kriterien ein, um bekannte und wiederkehrende Probleme bei der Integration von KI-Systemen zu vermeiden, frühzeitig Vorbereitungen zu treffen, um nachhaltig den medizinischen Nutzen zu fördern und die Patientensicherheit zu gewährleisten.

Suggested Citation

  • Julian Varghese, 2022. "Big Data und Künstliche Intelligenz: Chancen und Anforderungen für einen erfolgreichen und nachhaltigen Einsatz im Gesundheitswesen," Springer Books, in: Viola Henke & Gregor Hülsken & Pierre-Michael Meier & Andreas Beß (ed.), Digitalstrategie im Krankenhaus, pages 447-457, Springer.
    • Handle: RePEc:spr:sprchp:978-3-658-36226-3_32
    DOI: 10.1007/978-3-658-36226-3_32
    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:978-3-658-36226-3_32. 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.