Skip to main content
SpringerLink
Log in

Künstliche Intelligenz im Gesundheitswesen: Historische Entwicklung

  • Chapter
  • First Online:
Handbuch Digitale Gesundheitswirtschaft

  • 1597 Accesses

Zusammenfassung

Mit Fortschreiten der Informationstechnologie (IT) hat das Datenvolumen exponentiell zugenommen. So nahm bereits die Sequenzierung eines einzigen Genoms der menschlichen DNA in 2013 etwa 100–150 Gigabyte ein. Entsprechend hat das Datenvolumen im Gesundheitswesen nach 2011 Schätzungen zufolge 150 Exabyte überschritten und liegt in 2020 bei etwa 20 Zettabytes (1021 Bytes). Vor diesem Hintergrund ist die aktuelle Entwicklung von Big-Data-Algorithmen, Machine-Learning-Anwendungen und künstlichen neuronalen Netzen nicht verwunderlich. In diesem Kapitel werden neben einem kurzen geschichtlichen Abriss besonders Entwicklungslinien und aktuelle Trends beleuchtet.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 49.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 64.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  1. Haux R, Ammenwerth E, Herzog W, Knaup P. Health care in the information society. A prognosis for the year 2013. International journal of medical informatics 2002; 66(1–3): 3–21.

    Google Scholar 

  2. Hong L, Luo M, Wang R, Lu P, Lu W, Lu L. Big data in health care: Applications and challenges. Data and information management 2018; 2(3): 175–197.

    Google Scholar 

  3. Ostermann T. Psychological Perspectives and Challenges towards Information Technology and Digital Health Interventions. Proceedings of the 14th International Joint Conference on Biomedical Engineering Systems and Technologies (HEALTHINF) 2021; 5: 7–12.

    Google Scholar 

  4. Hilberg W. Karl Steinbuch, ein zu Unrecht vergessener Pionier der künstlichen neuronalen Systeme. Frequenz 1995; 49(1–2): 28–36.

    Google Scholar 

  5. Shahid N, Rappon T, Berta W. Applications of artificial neural networks in health care organizational decision-making: A scoping review. PloS one 2019; 14(2): e0212356.

    Google Scholar 

  6. Kaul V, Enslin S, Gross SA. History of artificial intelligence in medicine. Gastrointestinal endoscopy 2020; 92(4): 807–812.

    Google Scholar 

  7. Shortliffe EH, Davis R, Axline SG, et al. Computer-based consultations in clinical therapeutics: explanation and rule acquisition capabilities of the MYCIN system. Comput Biomed Res 1975; 8:303–20.

    Google Scholar 

  8. Weiss S, Kulikowski CA, Safir A. Glaucoma consultation by computer. Computers in Biology and Medicine 1978; 8(1): 25–40.

    Google Scholar 

  9. Negnevitsky M. The History of Artificial Intelligence or From The “Dark Ages” to the knowledge-based systems. WIT Transactions on Information and Communication Technologies 1997; 19.

    Google Scholar 

  10. Haenlein M, Kaplan A. A brief history of artificial intelligence: On the past, present, and future of artificial intelligence. California management review 2019; 61(4): 5–14.

    Google Scholar 

  11. Hendler J. Avoiding another AI winter. IEEE Intelligent Systems 2008; 23(02): 2–4.

    Google Scholar 

  12. Fast E, Horvitz E. Long-term trends in the public perception of artificial intelligence. In Proceedings of the AAAI conference on artificial intelligence 2017; 31(1): 963–969.

    Google Scholar 

  13. Seirawan Y, Simon HA, Munakata T. The implications of Kasparov vs. Deep Blue. Communications of the ACM 1997; 40(8): 21–25.

    Google Scholar 

  14. Kamath U, Liu J, Whitaker J. Deep learning for NLP and speech recognition (Vol. 84). Cham, Switzerland: Springer, 2019.

    Google Scholar 

  15. Dana D, Gadhiya SV, St. Surin, LG, Li D, Naaz F, Ali Q, et al. Deep learning in drug discovery and medicine; scratching the surface. Molecules 2018; 23(9): 2384.

    Google Scholar 

  16. Pirtkien R, Kenzelmann E: Die Arzneifindung in der Homöotherapie mit Hilfe eines Computers, AHZ 1966; 211(2): 62–69.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Lehrstuhl für Forschungsmethodik und Statistik in der Psychologie, Department für Psychologie und Psychotherapie, Fakultät für Gesundheit, Universität Witten/Herdecke, Witten, Deutschland

    Thomas Ostermann

Authors
  1. Thomas Ostermann
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Thomas Ostermann .

Editor information

Editors and Affiliations

  1. Universität Witten/Herdecke, Witten, Deutschland

    Sabine Bohnet-Joschko

  2. Universität Witten/Herdecke, Witten, Deutschland

    Katharina Pilgrim

Rights and permissions

Reprints and permissions

Copyright information

© 2023 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Ostermann, T. (2023). Künstliche Intelligenz im Gesundheitswesen: Historische Entwicklung. In: Bohnet-Joschko, S., Pilgrim, K. (eds) Handbuch Digitale Gesundheitswirtschaft . Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-41781-9_3

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-41781-9_3

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-41780-2

  • Online ISBN: 978-3-658-41781-9

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation