Zusammenfassung
Die KI-Forschung wurde immer schon durch medizinische Anwendungen wesentlich beeinflusst. Nach Anwendungen von wissensbasierten Expertensystemen in der klassischen (symbolischen) KI befeuert derzeit das Machine Learning mit Lernalgorithmen und neuronalen Netzen die Anwendungen in Diagnose und Therapie, aber auch die medizinische Grundlagenforschung bei der Entwicklung von Medikamenten und Impfstoffen gegen z. B. Corona-COVID-19. Wegen ihrer brisanten Anwendungen in der Medizin sind Normierung und Zertifizierung von KI-Systemen von entscheidender Bedeutung. Die Zukunft von KI-Systemen in der Medizin wird in der Verbindung von symbolischer KI mit der subsymbolischen KI des Machine Learnings in einer hybriden künstlichen Intelligenz gesehen, die sich an der natürlichen Intelligenz des Menschen orientiert.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Curevac. (2020). Über CureVacs Entwicklung eines mRNA-basierten Impfstoffs gegen COVID-19, CureVac 17.06.2020, Curevac (Hrsg.). https://www.curevac.com/de/covid-19. Zugegriffen: 19. Juli 2020.
Dandekar, T., & Kunz, M. (2017). Bioinformatik. Ein einführendes Lehrbuch. Springer.
DIN e. V. (2019). Steuerungsgruppe für die Normungsroadmap zu Künstlicher Intelligenz (KI), DIN e. V. (Hrsg.). https://www.din.de/de/forschung-und-innovation/themen/kuenstliche-intelligenz/steuerungsgruppe-fuer-die-normungsroadmap-zu-kuenstlicher-intelligenz-ki--483350. Zugegriffen: 21. Okt. 2020.
Hornik, K., Stinchcombe, M., & White, H. (1990). Universal approximation of an unknown function and its derivatives using multilayer feedforward networks. Neural Networks 3(5), 551–560.
Maas, R. (2020). Diese künstlichen Intelligenzen suchen nach Covid-19-Medikamenten, t3n digital pioneers 29.04.20, t3n (Hrsg.). https://t3n.de/news/corona-diese-kuenstlichen-suchen-1272580/. Zugegriffen: 19. Juli 2020.
Mainzer, K., & Schröder-Heister, P. (1995). Bayessches Theorem. In J. Mittelstrass (Hrsg.), Enzyklopädie Philosophie und Wissenschaftstheorie: Bd. 1 (S. 254–256). Metzler.
Mainzer, K. (2019). Künstliche Intelligenz. Wann übernehmen die Maschinen? (2. Aufl.). Springer.
Mainzer, K. (2020). Leben als Maschine: Wie entschlüsseln wir den Corona-Kode? Brill Mentis.
Pluta, W. (2020). Coronavirus: Google, Intel, Lenovo helfen bei Sequenzierung von Covid-19, golem.de IT-News für Profis 06.03.2020, Golem Media (Hrsg.). https://www.golem.de/news/coronavirus-google-intel-lenovo-helfen-bei-sequenzierung-von-covid-19-2003-147095.html. Zugegriffen: 19. Juli 2020.
Popper, K. R. (1973). Objektive Erkenntnis. Ein evolutionärer Entwurf. Hoffmann & Campe Verlag.
Senior, A. W., Evans, R., Jumper, J., Kirkpatrick, J., Laurent Sifre, G. T., Qin, C., Žídek, A., Nelson, A. W. R., Bridgland, A., Penedones, H., Petersen, S., Simonyan, K., Crossan, S., Kohli, P., Jones, D. T., Silver, D., Kavukcuoglu, K., & Hassabis, D. (2020). Improved protein structure prediction using potentials from deep learning. Nature, 577(7792), 706–710.
Xiong, J. (2006). Essential Bioinformatics. Cambridge University Press.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2022 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Mainzer, K. (2022). Machine Learning in der Medizin: Was können Lernalgorithmen und wie sicher sind sie?. In: Pfannstiel, M.A. (eds) Künstliche Intelligenz im Gesundheitswesen. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-33597-7_31
Download citation
DOI: https://doi.org/10.1007/978-3-658-33597-7_31
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-33596-0
Online ISBN: 978-3-658-33597-7
eBook Packages: Business and Economics (German Language)