(pug) Wie kann K\u00fcnstliche Intelligenz (KI) die medizinische Versorgung nachhaltig verbessern? Die Universit\u00e4t G\u00f6ttingen beforscht das Thema gemeinsam mit Kolleginnen und Kollegen aus Darmstadt, Essen, K\u00f6ln und M\u00fcnchen im neuen Verbundprojekt \u201eEtablierung einer Plattform f\u00fcr die Entwicklung und Validierung von KI-L\u00f6sungen in der klinischen Routine\u201c (EVA-KI). Das Bundesgesundheitsministerium f\u00f6rdert das Projekt mit 1,7 Millionen Euro.<\/p>\n
In der Medizin erm\u00f6glichen pr\u00e4ventive Ma\u00dfnahmen und das fr\u00fchzeitige Erkennen von Krankheiten oft bessere Heilungschancen. Ein m\u00f6glicher Anwendungsfall ist die Lungenembolie. Die Lungenembolie bezeichnet eine Verengung eines Blutgef\u00e4\u00dfes in der Lunge beziehungsweise dem Lungenkreislauf, die zum Verschluss f\u00fchren kann. Diese Verengung wird meistens durch ein Blutgerinnsel, seltener durch Gasbl\u00e4schen oder Fett verursacht. Da diese Erkrankung potenziell lebensbedrohlich ist, sollte sie rechtzeitig erkannt und behandelt werden. \u201eEVA-KI\u201c zielt darauf ab, im Klinikbetrieb kontinuierlich Daten zu sammeln und daraus Algorithmen f\u00fcr die klinische Diagnostik zu entwickeln. Dabei soll die KI eine Basis schaffen, die eine effizientere Diagnose von Krankheiten erm\u00f6glicht und langfristig die \u00e4rztlichen Behandlungsoptionen erweitert.<\/p>\n
Das Team um Prof. Dr. Manuel Trenz, Professor f\u00fcr Interorganisationale Informationssysteme an der Universit\u00e4t G\u00f6ttingen, konzentriert sich dabei auf die Interaktionen mit der neuartigen Technologie und deren Akzeptanz. \u201eNeben der technischen und medizinischen Herausforderung geht es darum, die Interaktionsprozesse zwischen K\u00fcnstlicher Intelligenz und \u00c4rztinnen und \u00c4rzten zu verstehen und so zu gestalten, dass die neuen Informationen effizient f\u00fcr die Diagnose eingesetzt werden, um letztlich die medizinische Versorgung zu verbessern\u201c, erkl\u00e4rt Trenz. Dar\u00fcber hinaus scheitern derartige Innovationen h\u00e4ufig an der Akzeptanz von Entscheidungstr\u00e4gerinnen und -tr\u00e4gern und k\u00f6nnen wegen mangelnder Verbreitung nur eingeschr\u00e4nkt Breitenwirkung entfalten. Auch hier setzt das Team an und entwickelt Akzeptanzmodelle sowie nachhaltige Gesch\u00e4ftsmodelle f\u00fcr die Verbreitung von KI-L\u00f6sungen im Gesundheitswesen.<\/p>\n