Zusammenfassung
Mit Hilfe von Suchmaschinen und Algorithmen können Gesundheitsinformationen zugänglicher und nützlicher gemacht werden. Um Informationsasymmetrien aufzubrechen und den Patienten in den Mittelpunkt zu stellen, ist jedoch der strategische Einsatz von Technologien, Plattformen und Partnerschaften notwendig. Dazu gehört auch die Organisation und Strukturierung immenser, verteilter und unstrukturierter Datenbestände, wie sie im Gesundheitssystem existieren. Dadurch können Gesundheitsdienstleister relevante Daten in einem integrierten Längsschnitt analysieren. Insbesondere Krankenhäuser sind mit der Herausforderung konfrontiert, dass Daten in unterschiedlichen Silos und Formaten verteilt sind und dass in einer stark regulierten Branche unterschiedliche Anforderungen bestehen. Bevor Institutionen neue KI-gestützte Verfahren einsetzen, müssen sie Herr ihrer Daten werden. Doch diese Herausforderungen sind für einige Kliniken so groß, dass sie neue Experten im Bereich Digitalisierung hinzuziehen. Diese sollen helfen, die effektive Nutzung von Gesundheitsdaten als Basis fortschrittlicher KI-Diagnosewerkzeuge zu gewährleisten.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
AI, G. (2023). Google research on diabetic retinopathy. https://ai.googleblog.com/2023/03/google-research-on-diabetic-retinopathy.html. Zugegriffen am 26.06.2023.
Aral, S., & Catalini, C. (2016). The power of data. Harvard Business Review, 94(10), 80–87.
Ashish Sharma. (2021). Wissenschaftler der Emory University nutzen die Google Cloud für die Sepsisprognose bei Intensivpatienten. https://edu.google.com/why-google/case-studies/emory-university-gcp/#:~:text=EmoryUniversityresearchersuseGoogleCloudtopredictsepsisinintensivecarepatients&text=NematicreatedanAIengine,patientdemographics%2Candlabresults. Zugegriffen am 27.06.2023.
Chen, J., Wu, L., Zhang, J., Zhang, L., Gong, D., Zhao, Y., Chen, Q., Huang, S., Yang, M., Yang, X., Hu, S., Wang, Y., Hu, X., Zheng, B., Zhang, K., Wu, H., Dong, Z., Xu, Y., Zhu, Y., … Yu, H. (2020). Deep learning-based model for detecting 2019 novel coronavirus pneumonia on high-resolution computed tomography. Scientific Reports, 10(1), 19196. https://doi.org/10.1038/s41598-020-76282-0
Chui, M., Manyika, J., Bughin, J., Dobbs, R., Roxburgh, C., & Sarrazin, H. (2018). The data dividend: How data can fuel innovation and productivity. McKinsey & Company.
Ebener, S. (2023a). Gesundheit 10X: Wie uns Alphabet hilft, gesünder zu leben. In Plattformen und Tech-Giganten: Die neuen Player im Gesundheitswesen (S. 123–142). MWM Medizinisch Wissenschaftliche Verlagsgesellschaft. https://www.mwv.de/buecher/plattformen-und-tech-giganten-die-neuen-player-im-gesundheitswesen/. Zugegriffen am 27.06.2023.
Ebener, S. (2023b). Wie Google Gesundheit neu denkt. In Plattformen und Tech-Giganten: Die neuen Player im Gesundheitswesen (S. 143–162). MWM Medizinisch Wissenschaftliche Verlagsgesellschaft. https://www.mwv.de/buecher/plattformen-und-tech-giganten-die-neuen-player-im-gesundheitswesen/. Zugegriffen am 27.06.2023.
Google. (2022). Google 2022 annual report. https://abc.xyz/investor/annual-reports/2022-annual-report/. Zugegriffen am 26.06.2023.
Gupta, A., & Wallace, E. (2023). Driving operational insights with Healthcare Data Engine Accelerators. https://cloud.google.com/blog/topics/healthcare-life-sciences/introducing-healthcare-data-engine-accelerators. Zugegriffen am 26.06.2023.
Halling-Brown et al. (2021). OPTIMAM Mammography Image Database: A Large-Scale Resource of Mammography Images and Clinical Data. Radiol Artif Intell (2020 Nov, 25), 3(1):e200103. https://doi.org/10.1148/ryai.2020200103. PMID: 33937853; PMCID: PMC8082293.
Hennekens, C. H., Buring, J. E., Manson, J. E., Stampfer, M. J., Rosner, B., Colditz, G. A., Speizer, F. E., & Willett, W. C. (1988). The health professionals follow-up study: A prospective study of the health of men. American Journal of Epidemiology, 128(4), 37–49.
Killock, D. (2020). AI outperforms radiologists in mammographic screening. Nature Reviews Clinical Oncology, 17(3), 134–134. https://doi.org/10.1038/s41571-020-0329-7
Kurian, T. (2019). How Google and Mayo Clinic will transform the future of healthcare. https://cloud.google.com/blog/topics/customers/how-google-and-mayo-clinic-will-transform-the-future-of-healthcare. Zugegriffen am 26.06.2023.
Liu, Y., Jain, A., Eng, C., Way, D. H., Lee, K., Bui, P., Kanada, K., de Oliveira Marinho, G., Gallegos, J., Gabriele, S., Gupta, V., Singh, N., Natarajan, V., Hofmann-Wellenhof, R., Corrado, G. S., Peng, L. H., Webster, D. R., Ai, D., Huang, S. J., … Coz, D. (2020). A deep learning system for differential diagnosis of skin diseases. Nature Medicine, 26(6), 900–908. https://doi.org/10.1038/s41591-020-0842-3
Marmot, M., Bell, R., & Goldblatt, P. (2013). Action on the social determinants of health. Revue d’Epidemiologie et de Sante Publique, 61(SUPPL.3). https://doi.org/10.1016/j.respe.2013.05.014
Page, L., & Brin, S. (2004). 2004 founders’ IPO Letter. https://abc.xyz/investor/founders-letters/2004-ipo-letter/. Zugegriffen am 26.06.2023.
Ross, C. (o.J.). Mayo Clinic selects Google as strategic partner for health care innovation, cloud computing. https://newsnetwork.mayoclinic.org/discussion/mayo-clinic-selects-google-as-strategic-partner-for-health-care-innovation-cloud-computing/. Zugegriffen am 26.06.2023.
Sadasivuni, S., Saha, M., Bhatia, N., Banerjee, I., & Sanyal, A. (2021). Fusion of fully integrated analog machine learning classifier with electronic medical records for real-time prediction of sepsis onset. https://doi.org/10.1101/2021.06.24.21259466
Scherpf, M., Gräßer, F., Malberg, H., & Zaunseder, S. (2019). Predicting sepsis with a recurrent neural network using the MIMIC III database. Computers in Biology and Medicine, 113, 103395. https://doi.org/10.1016/j.compbiomed.2019.103395
Shashikumar, S. P., Josef, C. S., Sharma, A., & Nemati, S. (2021). DeepAISE – An interpretable and recurrent neural survival model for early prediction of sepsis. Artificial Intelligence in Medicine, 113, 102036. https://doi.org/10.1016/j.artmed.2021.102036
Singhal, K. (2023). Med-PaLM. https://sites.research.google/med-palm/. Zugegriffen am 27.06.2023.
Singhal, K., Azizi, S., Tu, T., Mahdavi, S. S., Wei, J., Chung, H. W., Scales, N., Tanwani, A., Cole-Lewis, H., Pfohl, S., Payne, P., Seneviratne, M., Gamble, P., Kelly, C., Babiker, A., Schärli, N., Chowdhery, A., Mansfield, P., Demner-Fushman, D., Agüera, Y., Arcas, B., Webster, D., Corrado, G. S., Matias, Y., Chou, K., Gottweis, J., Tomasev, N., Liu, Y., Rajkomar, A., Barral, J., Semturs, C., Karthikesalingam, A., & Natarajan, V. (2023a). Large language models encode clinical knowledge. Nature, 620(7972), 172–180. https://doi.org/10.1038/s41586-023-06291-2. Epub 2023 Jul 12. Erratum in: Nature. 2023 Jul 27; PMID: 37438534; PMCID: PMC10396962.
Singhal, K., Tu, T., Gottweis, J., Sayres, R., Wulczyn, E., Hou, L., Clark, K., Pfohl, S., Cole-Lewis, H., Neal, D., Schaekermann, M., Wang, A., Amin, M., Lachgar, S., Mansfield, P., Prakash, S., Green, B., Dominowska, E., Arcas, B. A. y, … Natarajan, V. (2023b). Towards expert-level medical question answering with large language models. 1–30. http://arxiv.org/abs/2305.09617
Still, M. D., & Coopersmith, C. (o.J.). Sepsis Prediction. https://med.emory.edu/clinical-experience/advanced-patient-care/rads2/clinical-decision-support/sepsis.html. Zugegriffen am 27.06.2023.
Willett, W. C., Stampfer, M. J., Colditz, G. A., Rosner, B., Hennekens, C. H., & Speizer, F. E. (1985). The nurses’ health study: A prospective study of the health of women. Annals of Internal Medicine, 103(6), 493–503.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2024 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Wenz, F., Ebener, S. (2024). Google – KI als Diagnosewerkzeuge in der Medizin. In: Henke, V., Hülsken, G., Schneider, H., Varghese, J. (eds) Health Data Management. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-43236-2_68
Download citation
DOI: https://doi.org/10.1007/978-3-658-43236-2_68
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-43235-5
Online ISBN: 978-3-658-43236-2
eBook Packages: Business and Economics (German Language)