Gesundheitswesen
Fortschritte im Bereich KI im Gesundheitswesen – Spotlight von Nathan Wang

Wichtige PunkteModellinterpretierbarkeit ist der wichtigste jüngste Fortschritt in der KI zur Stärkung…
Mehr anzeigen
- Modellinterpretierbarkeit ist der wichtigste jüngste Fortschritt in der KI zur Stärkung des Vertrauens von Klinikern.
- Der größte Erfolg der KI wird aus der tiefgreifenden Integration von Genomik und Radiomik resultieren.
- Nathan Wang nutzt Ensemble-Lernen, das Deep Learning und Texturanalyse zur Erkennung von Hirntumoren kombiniert.
Künstliche Intelligenz wird schnell zu einem der wichtigsten Faktoren bei den Fortschritten in der Gesundheitsbranche. Im Vorfeld der RE•WORK – AI im Gesundheitswesen Summit Boston haben wir Nathan Wang – Deep-Learning-/Medizinischer-Bildgebungs-Forscher an der Johns-Hopkins-Universität – nach seinen Gedanken zu diesem Thema gefragt. Hier ist, was er sagte:
Was halten Sie für die wichtigste Entwicklung im Bereich KI im Gesundheitswesen?
In den letzten Jahren hat das Feld große Fortschritte bei der Modellinterpretierbarkeit gemacht. Als Forscher kann ich intuitiv die “Begründung” hinter unserer KI verstehen, was uns hilft, robustere und genauere Modelle zu erstellen. Hoffentlich werden Kliniker und Patienten irgendwann mehr Vertrauen in diese KI-Systeme haben.
Was halten Sie für die größte Errungenschaft der KI im Gesundheitswesen und für die Patientenergebnisse?
Ich denke, die größte Errungenschaft der KI im Gesundheitswesen steht noch aus. Ich denke, wenn Deep-Genomik und Radionik wichtiger werden, wird die KI eine noch größere Rolle spielen als heute.
Welche Erfolge haben Sie bei einem aktuellen KI-Projekt erzielt? Welche Herausforderungen sind Ihnen dabei begegnet und wie haben Sie sie überwunden?
Meine Arbeit an der Johns-Hopkins-Universität umfasst die Analyse von intraoperativen Bildern mit Deep-Learning-Verfahren, insbesondere die Unterscheidung zwischen Krebs- und Nicht-Krebs-Gewebe in der menschlichen Großhirnrinde anhand von Bildern der optischen Kohärenztomographie (OCT). Eine große Herausforderung bestand darin, ein KI-Modell zu entwickeln, das sich gut auf Daten von Patienten außerhalb des Trainingsdatensatzes verallgemeinern lässt. Obwohl tiefe Netze gut darin sind, versteckte Muster zu extrahieren, sind die am einfachsten zu lernenden Muster nicht immer korrekt. Daher ist es wichtig, verschiedene Daten-Normalisierungs- und Transformationsmethoden anzuwenden. In meinem Projekt habe ich festgestellt, dass Bildtextur in einem Ensemble-Lernansatz sehr nützlich ist, so dass wir sowohl Deep-Learning- als auch klassische Muster-Erkennungstechniken kombinieren können.
Wie sehr wird die KI in den nächsten 5-10 Jahren in den klinischen Arbeitsablauf integriert sein? Welche Trends werden es dann geben?
Ich sehe, dass die KI immer mehr die Experten im klinischen Arbeitsablauf unterstützen wird, von der Diagnose bis zur Behandlung. Die KI hat sich bereits als sehr gut bei der Früherkennung und dem Screening bewährt, aber auch bei der Vorhersage der langfristigen Prognose. Durch die rechtzeitige Behandlung, die durch die KI präziser und effizienter gemacht werden kann, können Menschen länger und gesünder leben.
Worauf freuen Sie sich im Zusammenhang mit Ihrem Vortrag beim KI-Gesundheitswesen-Summit am meisten?
Die Relevanz und der Einfluss der KI im Gesundheitswesen spiegeln sich deutlich in der beeindruckenden Liste von Expertensprechern aus verschiedenen Branchen und Forschungshintergründen wider. Ich freue mich darauf, direkt von den neuesten Entwicklungen im Bereich KI in angrenzenden Feldern zu erfahren und inspirierende Gespräche zu führen, die meine Forschungsrichtung positiv beeinflussen werden.
Möchten Sie mehr erfahren?
Nathan wird auf dem anstehenden AI im Gesundheitswesen Summit am 13.-14. Oktober 2022 in Boston, MA, sprechen. Schließen Sie sich ihm und vielen anderen KI-/ML- und Deep-Learning-Experten an, um mehr über die neuesten Trends und Chancen im Gesundheitswesen zu erfahren.
Frühbucher-Tickets enden am Freitag, den 2. September, also buchen Sie Ihren Platz noch heute.
Verwenden Sie den Rabattcode: UNITEAI für 20% Rabatt.
Für weitere Informationen kontaktieren Sie hello@re-work.co.










