Innovationswettbewerb Künstliche Intelligenz (1 von 3)

Datentausch in der Medizin mit KI revolutionieren

Die Covid-19-Pandemie hat gezeigt, dass der Datenaustausch in der Medizin oft noch viel zu schleppend vonstattengeht. Mehrere Projekte, die im Rahmen des 'Innovationswettbewerb Künstliche Intelligenz' (KI-Innovationswettbewerb) des BMWi gefördert werden, setzen an diesem Problem an - und entwickeln innovative digitale Infrastrukturen für medizinische Daten.
Bild: ©Gorodenkoff/stock.adobe.com

Künstliche Intelligenz findet sich längst von Produktionsprozessen bis hin zur Mediennutzung zuhause. Welche Technik dahinter steht, ist nicht immer leicht zu identifizieren, da die Einsatzszenarien so breit ausfächern. Im Zentrum der Anwendungen stehen Daten, die etwa der Industrie ermöglichen, Arbeitsschritte zu automatisieren und Produktionsprozesse besser zu verstehen. Auch im Medizinbereich kommen immer mehr KI-Anwendungen zum Einsatz. Die praktischen Möglichkeiten dieser Technologie hängen aber direkt mit dem verfügbaren Datenbestand zusammen. Die offenkundigen Mängel beim Datenaustausch zwischen Praxen und Kliniken ist vor diesem Hintergrund umso hinderlicher beim Einsatz von KI in diesem Sektor. Zahlreiche Einrichtungen sind nur unzureichend digitalisiert, manchmal werden Daten händisch erfasst, analysiert und weitergegeben. Es mangelt an Plattformen, auf denen Daten aus Forschung und Praxis zusammengeführt und neue Entwicklungen vorangetrieben werden. Im Rahmen des KI-Innovationswettbewerbs des Bundesministeriums für Wirtschaft und Energie (BMWi) werden Projekte gefördert, die mithilfe von KI-Anwendungen medizinische Daten effektiv und datenschutzkonform aufbereiten und damit den Weg für den medizinischen Austausch der Zukunft ebnen.

Daten vielfältig nutzbar machen

Die im Rahmen des Förderprojekts AIQNET entwickelten Technologien sollen unter anderem beitragen, die zeitaufwendige manuelle Weitergabe von Daten abzulösen. Dafür wurden zwei KI-Systeme entwickelt: Eins ermöglicht die automatisierte Auswertung von Fließtexten, das andere kann Bilddaten wie Röntgenbilder verlässlich interpretieren. Doch die so gewonnen Daten machen nur einen Teil derer aus, die im Rahmen von AIQNET genutzt werden sollen. Denn in Krankenhäusern und Arztpraxen fallen täglich zahlreiche Datensätze aus verschiedenen Quellen an, von Patientenfragebögen über Laborberichte bis hin zu Informationen aus technischen Anlagen. Viele dieser Daten werden kaum mehr als einmal genutzt und liegen anschließend in unterschiedlichen, meist nicht interoperablen Systemen. AIQNET strebt an, diese Datenmassen zusammenzuführen und mit KI auswertbar zu machen. Die potenziellen Einsatzgebiete sind vielfältig: Die Daten können medizinisches Personal bei der Diagnose und der Wahl der richtigen Behandlungsmethode unterstützen, aber auch dazu beitragen, dass bislang aufwändige und kostenintensive klinische Studien beschleunigt und vereinfacht werden. So können Pharmaunternehmen oder Medizinproduktehersteller ihre Produkte schneller und günstiger zur Marktreife führen.

Ökosystem bündelt Daten

Die gesammelten Daten sollen über AIQNET in einem digitalen, dezentralen Ökosystem gebündelt werden, wo Drittparteien wie Forschungseinrichtungen oder Start-ups verschiedene KI-Anwendungen zur individuellen Auswertung entwickeln und anbieten. Kliniken und sonstige Anbieter von Daten erhalten eine Aufwandsentschädigung für die Bereitstellung. Neben einer innovativen Dateninfrastruktur für die Medizin entsteht so auch ein neues Geschäftsfeld. Dabei spielt der Datenschutz eine essenzielle Rolle, denn zu jeder Art von Nutzung persönlicher Daten muss das Einverständnis vorliegen. Auch hierfür soll im Rahmen von AIQNET eine Lösung entwickelt werden, mit der entsprechende regulatorische und gesetzliche Vorgaben erfüllt werden.

KI-gestützte Medizintechnik

Auch im Förderprojekt KI-SIGS wird eine digitale Plattform aufgebaut, mit deren Hilfe Anwendungen entwickelt werden, die den Datenaustausch im medizinischen Alltag effizienter gestalten können. Eine dieser Anwendungen ist ein Assistenzsystem, das medizinisches Personal und Patienten im Rahmen der Bewegungstherapie unterstützen soll. Über eine an das System angeschlossene Kamera soll das KI-Modell autonom beurteilen können, ob Patienten eine Übung korrekt ausführen und bei Bedarf über einen Roboter oder einen digitalen Avatar Verbesserungsvorschläge übermitteln. Die gewonnenen Daten können auf der digitalen Plattform von KI-SIGS für die Weiterentwicklung ähnlicher Anwendungen verwendet werden. Verknüpft sind die innovativen Assistenzanwendungen mit dem Vorhaben, ein digitales Ökosystem für KI-gestützte Medizintechnik in Norddeutschland aufzubauen, um die Digitalisierung und die Einführung von KI in den medizinischen Alltag voranzubringen. Über eine Kollaborationsplattform können Algorithmen und Best Practices ausgetauscht werden. Zusätzlich sollen ethische und gesellschaftliche Fragen im Rahmen von KI diskutiert sowie Lösungen für wiederkehrende Aufgaben wie die Implementierung von Datenschutzmaßnahmen entwickelt werden.

Seiten: 1 2Auf einer Seite lesen

Thematik: Technologie
Bundesministerium für Wirtschaft und Energie

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige