EUVIMEDEUVIMED entdecken
Crossref

Künstliche Intelligenz für die computerunterstützte Leukämiediagnostik

Christian Matek, Carsten Marr, Michael von Bergwelt-Baildon, Karsten Spiekermann

DMW - Deutsche Medizinische Wochenschrift · 01.09.2023 · 148 (17) · 1108-1112

DOI: 10.1055/a-1965-7044 ↗

Kurz gefasst

Fachartikel in der Zeitschrift DMW - Deutsche Medizinische Wochenschrift, erschienen am 01.09.2023. Verfasst von Christian Matek und 3 weiteren Autor:innen. Beteiligte Einrichtung: Pathologisches Institut, Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Erlangen, Deutschland. Hauptthemen laut MEDLINE: Artificial Intelligence, Leukemia. Die Arbeit wurde bisher 2-mal zitiert (Crossref) und nennt 14 Literaturangaben.

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Was ist neu? Algorithmen auf Basis großer Datenmengen: Voraussetzung für die Anwendung von KI-Algorithmen ist eine hochqualitative Digitalisierung von Präparaten mit ausreichender Auflösung. Ferner ist die zuverlässige Annotation einer ausreichenden Menge von Trainings- und Testdaten nötig. Umfangreiche Bilddatenbanken für die KI-gestützte Leukämiediagnostik: Zur Entwicklung von datengetriebenen Algorithmen wie z.B. neuronaler Netze ist die Bereitstellung großer, kuratierter Datenbanken nötig. Im Bereich der morphologischen Leukozyten-Differenzierung kann dazu z.B. die Annotation von Zehntausenden von Einzelzellen nötig sein. Neuere Methoden benötigen weniger manuelle Annotationen, jedoch in der Regel noch größere Trainingsdatensätze. Methoden zur Nachvollziehbarkeit der Vorhersagen: Die „erklärbare KI“ stellt eine Reihe von Methoden bereit, die den Vorhersageprozess von neuronalen Netzen transparenter machen und für die Vorhersage relevante Anteile der Eingangsdaten erkennen. Dies ermöglicht Anwendern, die Vorhersagen des Algorithmus auf Plausibilität zu überprüfen und z.B. zu erkennen, ob bekanntermaßen diagnostisch aussagekräftige Strukturen wie Auer-Stäbchen erkannt wurden. Voraussetzungen für die Routineanwendung: Für die breite Anwendung in der diagnostischen Routine sind Stabilitäts- und Robustheitsanalysen nötig, um sicherzugehen, dass die Algorithmen ihre Leistungsfähigkeit auch bei Schwankungen der Proben- und Digitalisierungsqualität behalten. Hierzu befinden sich bei den Zulassungsinstitutionen aktuell Standards in Entwicklung. Perspektive Integrierte Diagnostik: Datenbasierte Algorithmen erlauben die Verknüpfung verschiedener diagnostischer Modalitäten und versprechen bei kombiniertem Zugang zu unterschiedlichen Befundarten eine noch höhere Genauigkeit, stellen allerdings auch noch höhere Ansprüche an die verwendete Datenbasis.

Schlagwörter

MeSH-Schlagwörter (MEDLINE)

Artificial IntelligenceLeukemiaHumansAlgorithmsDiagnosis, Computer-AssistedComputers

Autor:innen und Institutionen

  • Pathologisches Institut, Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Erlangen, Deutschland.
  • Institute of AI for Health, Helmholtz Zentrum München, münchen.
  • Medizinische Klinik und Poliklinik III, LMU München, München, GERMANY.

Zitieren

APA

Matek, C., Marr, C., von Bergwelt-Baildon, M., & Spiekermann, K. (2023). Künstliche Intelligenz für die computerunterstützte Leukämiediagnostik. DMW - Deutsche Medizinische Wochenschrift, 148(17), 1108-1112. https://doi.org/10.1055/a-1965-7044

Vancouver

Matek C, Marr C, von Bergwelt-Baildon M, Spiekermann K. Künstliche Intelligenz für die computerunterstützte Leukämiediagnostik. DMW - Deutsche Medizinische Wochenschrift. 2023;148(17):1108-1112. doi:10.1055/a-1965-7044

BibTeX
@article{Matek2023,
  author = {Matek, Christian and Marr, Carsten and von Bergwelt-Baildon, Michael and Spiekermann, Karsten},
  title = {Künstliche Intelligenz für die computerunterstützte Leukämiediagnostik},
  journal = {DMW - Deutsche Medizinische Wochenschrift},
  year = {2023},
  volume = {148},
  number = {17},
  pages = {1108--1112},
  doi = {10.1055/a-1965-7044}
}
Kostenlos starten →