{"id":3605,"date":"2018-10-01T12:23:40","date_gmt":"2018-10-01T10:23:40","guid":{"rendered":"https:\/\/hip.vitagroup.ag\/deeplearning-vitaldatenmanagement-ki\/"},"modified":"2025-12-18T15:05:57","modified_gmt":"2025-12-18T14:05:57","slug":"deeplearning-vitaldatenmanagement-ki","status":"publish","type":"post","link":"https:\/\/hip.vitagroup.ag\/en\/deeplearning-vitaldatenmanagement-ki\/","title":{"rendered":"Deep Learning in der Medizin"},"content":{"rendered":"<div class=\"wpb-content-wrapper\"><p>[vc_section full_width=&#8221;stretch_row&#8221; el_id=&#8221;magazin-titel&#8221; el_class=&#8221;lichtgrau&#8221;][vc_row full_width=&#8221;stretch_row&#8221;][vc_column][vc_column_text el_class=&#8221;headline-xl&#8221;]<\/p>\n<h1>Deep Learning: Die Potentiale k\u00fcnstlicher Intelligenzen in der Medizin<\/h1>\n<p>[\/vc_column_text][vc_column_text el_class=&#8221;introduction&#8221;]Deep Learning: Selbstlernende Algorithmen werden bereits heute erfolgreich in der Medizin getestet. \u00dcber Forschung, Anwendungsgebiete und die gro\u00dfen Potentiale f\u00fcr die Zukunft der Gesundheitsversorgung.[\/vc_column_text][\/vc_column][\/vc_row][vc_row full_width=&#8221;stretch_row&#8221; el_class=&#8221;back-button-row lichtgrau&#8221; css=&#8221;.vc_custom_1689591697517{background-color: #f5f5f5 !important;}&#8221;][vc_column]<style type=\"text\/css\" data-type=\"the7_shortcodes-inline-css\">#default-btn-797357478ee6ce9fd2e02b937aa7382b.ico-right-side > i {\n  margin-right: 0px;\n  margin-left: 8px;\n}\n#default-btn-797357478ee6ce9fd2e02b937aa7382b > i {\n  margin-right: 8px;\n}<\/style><div class=\"btn-align-left\"><a href=\"https:\/\/hip.vitagroup.ag\/news-stories\/magazin\/\" class=\"default-btn-shortcode dt-btn dt-btn-m link-hover-off tertiary small back \" id=\"default-btn-797357478ee6ce9fd2e02b937aa7382b\" title=\"Magazin\"><i class=\"icomoon-the7-font-the7-arrow-12\"><\/i><span>zur\u00fcck<\/span><\/a><\/div>[\/vc_column][\/vc_row][\/vc_section][vc_section full_width=&#8221;stretch_row&#8221; el_id=&#8221;magazin-content&#8221; el_class=&#8221;lichtgrau&#8221;][vc_row][vc_column][vc_single_image image=&#8221;1781&#8243; img_size=&#8221;full&#8221;][vc_column_text]<\/p>\n<h2 class=\"headline-s\">Wenn Computersysteme eigenst\u00e4ndig lernen<\/h2>\n<p>Deep Learning \u2013 das bedeutet: Ein selbstlernender Algorithmus erstellt eigenst\u00e4ndig Prognosen, Diagnosen und f\u00e4llt Entscheidungen. Der Begriff bezeichnet eine spezielle Methode der Informationsverarbeitung innerhalb des KI-Bereichs Machine Learning. Voraussetzung f\u00fcr diese Art der K\u00fcnstlichen Intelligenz sind spezielle neuronale Netze. Die Lernmechanismen des Systems orientieren sich an der Funktionsweise des menschlichen Gehirns. Um zu erreichen, dass die K\u00fcnstliche Intelligenz selbst F\u00e4higkeiten erlernt, wird der Algorithmus mit gro\u00dfen Datenmengen versorgt, die er analysiert und speichert \u2013 beispielsweise Datens\u00e4tze von Lungen-CTs und deren Diagnose. Mithilfe der vorhandenen Informationen und dem neuronalen Netz verkn\u00fcpft er das Erlernte mit neuen Inhalten und entwickelt sich dadurch immer weiter. Der Lernvorgang passiert v\u00f6llig automatisch und je mehr qualitativ hochwertige Daten der Algorithmus erh\u00e4lt, desto pr\u00e4ziser sind die Ergebnisse.[\/vc_column_text]<div class=\"ult-spacer spacer-69df4e71dbb75\" data-id=\"69df4e71dbb75\" data-height=\"40\" data-height-mobile=\"30\" data-height-tab=\"\" data-height-tab-portrait=\"\" data-height-mobile-landscape=\"30\" style=\"clear:both;display:block;\"><\/div>[vc_column_text]<\/p>\n<h2 class=\"headline-s\">Einsatzgebiete und Vorteile von Deep Learning in der Medizin<\/h2>\n<p>Deep Learning ist \u00fcberall dort gut geeignet, wo sich aus gro\u00dfen Datenmengen Muster und Modelle ableiten lassen. Drei m\u00f6gliche Einsatzgebiete.<\/p>\n<ol>\n<li><strong>Deep Learning Algorithmus analysiert Bilder\u00a0<\/strong><br \/>\nDeep Learning Algorithmen wurden bereits erfolgreich im Bereich der Krebserkennung getestet. Ein Beispiel: Forscher nutzten einen lernf\u00e4higen Algorithmus, der die F\u00e4higkeit besitzt, Fotos in unterschiedliche Kategorien einzuteilen. Zun\u00e4chst wurde der Algorithmus mit 130.000 Bildern und der jeweiligen Diagnose von gut- und b\u00f6sartigen Hautver\u00e4nderungen gespeist. Dadurch lernte das Programm die typischen Merkmale von malignen Melanomen und malignen Karzinomen zu erkennen und speicherte diese. Danach testeten die Wissenschaftler ihn anhand weiterer Bilder von gut oder b\u00f6sartigen Hautver\u00e4nderungen. Das Ergebnis: Der Algorithmus stellte in 91 Prozent die richtige Diagnose. Studien wie diese gibt es f\u00fcr weitere Krebsarten, die mithilfe bildgebender Verfahren diagnostiziert werden \u2013 beispielsweise Brustkrebs. \u00a0Weitere Einsatzgebiete von Algorithmen, die Bilder auswerten, sind die Augenheilkunde oder die Neurologie. So k\u00f6nnte ein selbstlernender Algorithmus in der Augenheilkunde Netzhautscans auswerten und Augenkrankheiten fr\u00fchzeitig erkennen. In der Neurologie k\u00f6nnten Gehirnscans in \u201ekritisch\u201c oder \u201enicht kritisch\u201c unterteilt und damit Auff\u00e4lligkeiten wie Gef\u00e4\u00dfverschl\u00fcsse, Blutungen oder Fl\u00fcssigkeitsansammlungen schneller identifiziert werden.<\/li>\n<li><strong>Algorithmus soll Krebs im Blut erkennen<\/strong><br \/>\nAuch bei der Analyse von Blutproben bietet Deep Learning einen Blick in die Zukunft. Ein Beispiel: Ein amerikanisches Startup aus Philadelphia entwickelt einen lernenden Algorithmus, der anhand von Blutproben Krebs fr\u00fchzeitig erkennen soll. Die aktuellen Verfahren weisen im Blut Tumormarker nach. Der Algorithmus soll automatisch die Tumorzellen selbst \u2013 und nicht die Marker \u2013 im Blut identifizieren. Dadurch k\u00f6nnte die Entstehung von malignen Tumoren fr\u00fchzeitig erkannt werden. Die Schwierigkeit dabei: Die Tumorzellen verschiedener Krebsarten, aber auch einer Krebsart k\u00f6nnen sich stark unterscheiden. Auch dieses Problem soll die K\u00fcnstliche Intelligenz zuk\u00fcnftig l\u00f6sen.<\/li>\n<li><strong>Per Computer m\u00f6gliche Wirkstoff-Kandidaten identifizieren<\/strong><br \/>\nEin weiteres vielversprechendes Einsatzgebiet selbstlernender Algorithmen k\u00f6nnte in der Pharmaforschung liegen. US-Forscher haben ein System entwickelt, das sich mittels Deep Learning chemisches Wissen aneignet und auf dieser Grundlage n\u00fctzliche Molekularstrukturen eines Wirkstoffs erkennt und voraussagt. So soll die K\u00fcnstliche Intelligenz automatisch neue Wirkstoff-Kandidaten identifizieren.<\/li>\n<\/ol>\n<p>[\/vc_column_text]<div class=\"ult-spacer spacer-69df4e71dbbb1\" data-id=\"69df4e71dbbb1\" data-height=\"40\" data-height-mobile=\"30\" data-height-tab=\"\" data-height-tab-portrait=\"\" data-height-mobile-landscape=\"30\" style=\"clear:both;display:block;\"><\/div>[vc_column_text]<\/p>\n<h2 class=\"headline-s\">Ausblick: Deep Learning im Vitaldaten-Management hat das Potential, die Gesundheitsversorgung ma\u00dfgeblich zu verbessern<\/h2>\n<p>Mit unseren mehr als 20 Jahren Erfahrung im Gesundheitswesen, haben wir \u2013 die vitagroup \u2013 die Digitalisierung ma\u00dfgeblich mitgestaltet. Wir kennen den Markt und wissen, welche H\u00fcrden bei der Einf\u00fchrung neuer Technologien genommen werden m\u00fcssen: Datenschutz, Nutzerakzeptanz, Transparenzforderungen, Angst vor Disruption. Die Vorteile von Deep Learning k\u00f6nnten im Grunde dieselben sein wie die der Telemedizin: \u00c4rzten werden zeitraubende Routineaufgaben abgenommen, dem Versorgungsmangel so begegnet.<\/p>\n<p>Gro\u00dfe Chancen der selbstlernenden Algorithmen sehen wir auch auf dem Feld des Vitaldaten-Managements und dort insbesondere in der Bek\u00e4mpfung \u00a0von Herz-Kreislauferkrankungen \u2013 der Todesursache Nummer eins in Europa. Intelligente Systeme, die eine gro\u00dfe Menge erhobener Vitaldaten automatisch sortieren und Muster identifizieren, k\u00f6nnten in Zukunft helfen, Herz-Kreislauferkrankungen fr\u00fchzeitig zu erkennen \u2013 noch bevor sie \u00fcberhaupt Symptome verursachen. Auch in den Bereichen Diagnostik, Therapie und Nachsorge k\u00f6nnten die Systeme schnellere und pr\u00e4zisere Vorhersagen und Auswertungen erstellen. Dabei wird die K\u00fcnstliche Intelligenz den Arzt nicht ersetzen \u2013 sie wird ihn in seiner Arbeit unterst\u00fctzen. Letzten Endes bedeutet das: Der Patient wird besser versorgt.[\/vc_column_text]<div class=\"ult-spacer spacer-69df4e71dbbe3\" data-id=\"69df4e71dbbe3\" data-height=\"70\" data-height-mobile=\"45\" data-height-tab=\"\" data-height-tab-portrait=\"\" data-height-mobile-landscape=\"45\" style=\"clear:both;display:block;\"><\/div>[\/vc_column][\/vc_row][\/vc_section]<\/p>\n<\/div>","protected":false},"excerpt":{"rendered":"<p>Wie kann KI \u00c4rzte effizient unterst\u00fctzen? \u00dcber Forschung, Anwendungsgebiete und die gro\u00dfen Potentiale von Deep Learning in der Gesundheitsversorgung.<\/p>\n","protected":false},"author":6,"featured_media":1781,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[65],"tags":[],"class_list":["post-3605","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-miscellaneous","category-65","description-off"],"acf":[],"_links":{"self":[{"href":"https:\/\/hip.vitagroup.ag\/en\/wp-json\/wp\/v2\/posts\/3605","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/hip.vitagroup.ag\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/hip.vitagroup.ag\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/hip.vitagroup.ag\/en\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/hip.vitagroup.ag\/en\/wp-json\/wp\/v2\/comments?post=3605"}],"version-history":[{"count":3,"href":"https:\/\/hip.vitagroup.ag\/en\/wp-json\/wp\/v2\/posts\/3605\/revisions"}],"predecessor-version":[{"id":10392,"href":"https:\/\/hip.vitagroup.ag\/en\/wp-json\/wp\/v2\/posts\/3605\/revisions\/10392"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/hip.vitagroup.ag\/en\/wp-json\/wp\/v2\/media\/1781"}],"wp:attachment":[{"href":"https:\/\/hip.vitagroup.ag\/en\/wp-json\/wp\/v2\/media?parent=3605"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/hip.vitagroup.ag\/en\/wp-json\/wp\/v2\/categories?post=3605"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/hip.vitagroup.ag\/en\/wp-json\/wp\/v2\/tags?post=3605"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}