Künstliche Intelligenz: Eine Funktion, bei der Maschinen lernen, Aufgaben auszuführen, anstatt einfach nur Berechnungen auszuführen, die von menschlichen Benutzern eingegeben werden.
- Zu den frühen Anwendungen der KI gehörten Maschinen, die Spiele wie Dame und Schach spielen konnten, und Programme, die Sprache reproduzieren konnten.
Maschinelles Lernen: Ein Ansatz der künstlichen Intelligenz, bei dem ein Computeralgorithmus (eine Reihe von Regeln und Verfahren) entwickelt wird, um Daten, die in das System eingespeist werden, zu analysieren und Vorhersagen zu treffen.
Auf maschinellem Lernen basierende Technologien werden tagtäglich routinemäßig eingesetzt, z. B. in Form von personalisierten Nachrichten-Feeds und Verkehrsvorhersagekarten.
Neuronale Netze: Ein dem Gehirn nachempfundener Ansatz des maschinellen Lernens, bei dem Algorithmen Signale über miteinander verbundene Knoten, sogenannte künstliche Neuronen, verarbeiten.
Künstliche neuronale Netze, die biologische Nervensysteme nachahmen, wurden bereits erfolgreich zur Erkennung und Vorhersage von Mustern neuronaler Signale eingesetzt, die an der Gehirnfunktion beteiligt sind.
Tiefes Lernen: Eine Form des maschinellen Lernens, bei der viele Berechnungsebenen verwendet werden, um ein so genanntes tiefes neuronales Netzwerk zu bilden, das in der Lage ist, aus großen Mengen komplexer, unstrukturierter Daten zu lernen.
- Tiefe neuronale Netze sind für sprachgesteuerte virtuelle Assistenten ebenso verantwortlich wie für selbstfahrende Fahrzeuge, die lernen, Verkehrszeichen zu erkennen.
Wie wird KI zur Verbesserung der medizinischen Versorgung und der biomedizinischen Forschung eingesetzt?
- Radiologie: Die Fähigkeit der KI, Bildgebungsergebnisse zu interpretieren, kann dabei helfen, eine winzige Veränderung in einem Bild zu erkennen, die ein Kliniker versehentlich übersehen könnte.
- Bildgebung: Ein Beispiel ist der Einsatz von KI zur Beurteilung, wie eine Person nach einer Gesichts- oder Gaumenspaltenoperation aussehen wird.
- Telemedizin: Tragbare Geräte ermöglichen die ständige Überwachung eines Patienten und die Erkennung von physiologischen Veränderungen, die Frühwarnzeichen für ein Ereignis wie einen Asthmaanfall sein können.
- Klinische Versorgung: Ein großer Schwerpunkt der KI im Gesundheitswesen liegt auf klinischen Entscheidungsunterstützungssystemen, die Gesundheitsbeobachtungen und Fallwissen zur Unterstützung von Behandlungsentscheidungen nutzen.
Wie nutzen Forscher KI in ihrer biomedizinischen Forschung?
Die neurologische Degeneration im Zusammenhang mit Alzheimer beginnt lange vor dem Auftreten klinischer Symptome.
Die Informationen, die funktionelle MRT (fMRI)-Neurobilddaten liefern, mit denen Veränderungen im Hirngewebe in den frühen Phasen der Alzheimer-Krankheit erkannt werden können, bieten Potenzial für die Früherkennung und Behandlung.
Die Forscher kombinieren die Fähigkeit der fMRT, subtile Hirnveränderungen zu erkennen, mit der Fähigkeit des maschinellen Lernens, mehrere Hirnveränderungen im Zeitverlauf zu analysieren. Dieser Ansatz zielt darauf ab, die Früherkennung von Alzheimer und anderen neurologischen Erkrankungen wie Schizophrenie, Autismus und Multipler Sklerose zu verbessern.
Forscher entwickeln Modelle für maschinelles Lernen, um den Blutzuckerspiegel mit Hilfe von Daten aus tragbaren Sensoren besser kontrollieren zu können. Neue tragbare Sensortechnologien ermöglichen kontinuierliche Messungen von Herzfrequenz, Hautleitwert, Temperatur und Körperbewegungen. Anhand der Daten wird ein Netzwerk künstlicher Intelligenz trainiert, das helfen soll, Veränderungen des Blutzuckerspiegels vorherzusagen, bevor sie auftreten.
- Die Vorhersage und Vorbeugung von Problemen bei der Blutzuckerkontrolle wird die Sicherheit der Patienten erhöhen und kostspielige Komplikationen verringern.
Ziel dieses Projekts ist die Entwicklung eines fortschrittlichen Bildscannersystems mit hoher Erkennungsempfindlichkeit und -spezifität für Dickdarmkrebs. Die Forscher werden tiefe neuronale Netze entwickeln, die ein größeres Feld auf den während der Operation aufgenommenen Röntgenbildern analysieren können.
Die breiteren Scans werden die vermuteten Läsionsbereiche und mehr umliegendes Gewebe umfassen. Die neuronalen Netze werden Patientenbilder mit Bildern früherer diagnostizierter Fälle vergleichen. Es wird erwartet, dass das System die derzeitigen computergestützten Systeme bei der Diagnose von kolorektalen Läsionen übertreffen wird.
- Eine breite Anwendung könnte die Prävention und Frühdiagnose von Krebs voranbringen.
Intelligente, cyber-physikalisch unterstützende Kleidung (CPAC) wird entwickelt, um die hohe Prävalenz von Rückenschmerzen zu verringern. Belastungen der Rückenmuskulatur und der Bandscheiben, die bei täglichen Aufgaben auftreten, sind wichtige Risikofaktoren für Rückenschmerzen und Verletzungen.
Die Forscher sammeln einen öffentlichen Datensatz von mehr als 500 Bewegungen, die von jeder Testperson gemessen wurden, um einen Algorithmus für maschinelles Lernen zu entwickeln. Die Informationen werden zur Entwicklung von Hilfsbekleidung verwendet, die unsichere Zustände erkennen und eingreifen kann, um die Gesundheit des Rückens zu schützen.
Langfristig soll intelligente Kleidung entwickelt werden, die die Belastung der Lendenwirbelsäule überwacht, sichere Bewegungsmuster trainiert, den Träger direkt dabei unterstützt, die Häufigkeit von Kreuzschmerzen zu verringern und die Kosten für die Gesundheitsversorgung und Arbeitsausfälle zu reduzieren.
ddp
Dieser Beitrag beschäftigt sich mit einem medizinischen Thema, einem Gesundheitsthema oder einem oder mehreren Krankheitsbildern. Dieser Artikel dient nicht der Selbst-Diagnose und ersetzt auch keine Diagnose durch einen Arzt. Bitte lesen und beachten Sie hier auch den Hinweis zu Gesundheitsthemen! Quellen: Der Beitrag basiert u.a. auf Informationen von MedlinePlus und Wikipedia lizenziert nach CC-by-sa-3.0 oder Open Government v3.0.
