Zusammenfassung
In den letzten Jahren hat die Technologie im Gesundheitswesen einen dramatischen Aufschwung erlebt, wobei die Erhebung der Daten eine zentrale Anwendung darstellt. Vor allem Technologien der künstlichen Intelligenz (KI) wie maschinelles Lernen und Deep Learning ermöglichen es, umfassende Analysen großer Datenmenge durchzuführen und Rückschlüsse auf Mustererkennung sowie Korrelationen zu ziehen. In diesem Beitrag werden der Nutzen und die Schwierigkeiten von Big Data in der Patientenversorgung beschrieben.
Abstract
In recent years, technology in healthcare has experienced a dynamic increase, with the collection of data being a central component. In particular, artificial intelligence (AI), such as machine learning and deep learning, makes it possible to perform comprehensive analyses of large amounts of data and to draw conclusions based on correlations and pattern recognition. This paper describes the benefits and challenges of big data in patient care.
Literatur
Ardila D, Kiraly AP, Bharadwaj Setal (2019) End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography. NatMed 25:954–961
Braun M, Hummel P, Beck S, Dabrock P (2020) Primer on an ethics of AI-based decision support systems in the clinic. J Med Ethics. https://doi.org/10.1136/medethics-2019-105860
Cho J, Lee K, Shin E, Choy G, Do S (2016) Medical image deep learning with hospital PACS Dataset. ICLR,
Dinov ID (2016) Volume and value of big Healthcare data. J Med Stat Inform 4:3
Harmon SA, Tuncer S, Sanford T, Choyke PL, Türkbey B (2019) Artificial intelligence at the intersection of pathology and radiology in prostate cancer. Diagn Interv Radiol 25(3):183–188
Haubold J (2019) Künstliche Intelligenz in der Radiologie. Radiologe 60:64–69
Jussupow E, Spohrer K, Heinzl A, Gawlitza J (2021) ISR 32(3):713–735
Kotter E, Ranschaert E (2020) Challenges and solutions for introducing artificial intelligence (AI) in daily clinical workflow. Eur Radiol 31:5–7
Li T, Fong S, Siu SWI, Yang X‑S, Liu L‑S, Mohammed S (2020) White learning methodology: a case study of cancer-related disease factors analysis in real-time PACS environment. Comput Methods Programs Biomed 197:105724. https://doi.org/10.1016/j.cmpb.2020.105724
Luo J, Wu M, Gopukumar D, Zhao Y (2016) Big data application in biomedical research and health care: a literature review. Biomed Inform Insights 8:1–10
McKee BJ, Regis SM, McKee AB et al (2015) Performance of ACR lung-RADS in a clinical CT lung screening program. J Am Coll Radiol 12:273–276
Negassi M, Suarez-Ibarrola R, Hein S, Miernik A, Reiterer A (2020) World J Urol 38:2349–2358
Ranchal R, Bastide P, Wang X, Gkoulalas-Divanis A, Mehra M, Bakthavachalam S, Lei H, Mohindra A (2020) Disrupting Healthcare silos: addressing data volume, velocity and variety with a cloud-native Healthcare data ingestion service. IEEE J Biomed Health Inform 24(11):3182–3188
Schreiber A, Hahn H, Wenzel M, Loch T (2020) Künstliche Intelligenz. Urologe 59(9):1026–1034. https://doi.org/10.1007/s00120-020-01294-7
Suarez-Ibarrola R, Kriegmair M, Waldbillig M, Grüne B, Negassi M, Parupalli U, Schmitt A, Reiterer A, Müller C, Scheurer A, Baur S, Klein K, Fallert JA, Mündermann L, Yoganathan J, Probst M, Ihle P, Bobic N, Schumm T, Rehn H, Betke A, Graurock M, Forrer M, Gratzke C, Miernik A, Hein S (2020) A novel endoimaging system for endoscopic 3D reconstruction in bladder cancer patients. Minim Invasive Ther Allied Technol. https://doi.org/10.1080/13645706.2020.17
Waldbillig F, Hein S, Grüne B, Suarez-Ibarrola R, Liatsikos E, Salomon G, Reiterer A, Gratzke C, Miernik A, Kriegmair MC, Ritter M (2020) Current European trends in endoscopic imaging and Transurethral resection of bladder tumors. J Endourol 34:3
Tallón-Ballesteros AJ, Fong S, Li T, Liu L, Hanne T, Lin W (2020) Hybridized White Learning in Cloud-Based Picture Archiving and Communication System for Predictability and Interpretability. In: HAIS, LNAI, Bd. 12344. Springer, Cham, S 511–521
Author information
Authors and Affiliations
Corresponding author
Ethics declarations
Interessenkonflikt
M. Peredin und S. Baur geben an, dass kein Interessenkonflikt besteht.
Für diesen Beitrag wurden von den Autoren keine Studien an Menschen oder Tieren durchgeführt. Für die aufgeführten Studien gelten die jeweils dort angegebenen ethischen Richtlinien.
Additional information
QR-Code scannen & Beitrag online lesen
Rights and permissions
About this article
Cite this article
Peredin, M., Baur, S. Nutzung von medizinischen Datenarchiven für Forschungs- und Patientenversorgungszwecke. Urologe 61, 142–148 (2022). https://doi.org/10.1007/s00120-021-01742-y
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1007/s00120-021-01742-y
Schlüsselwörter
- Informationssystem
- Elektronische Gesundheits- oder Patientenakte
- Big Data
- Deep Learning
- Künstliche Intelligenz