nach oben

Die Urologie

Erschienen in:

22.12.2021 | Pflege | Leitthema

Nutzung von medizinischen Datenarchiven für Forschungs- und Patientenversorgungszwecke

verfasst von: M. Peredin, Dipl.-Inform. S. Baur, MA

Erschienen in: Die Urologie | Ausgabe 2/2022

Einloggen, um Zugang zu erhalten

Zusammenfassung

In den letzten Jahren hat die Technologie im Gesundheitswesen einen dramatischen Aufschwung erlebt, wobei die Erhebung der Daten eine zentrale Anwendung darstellt. Vor allem Technologien der künstlichen Intelligenz (KI) wie maschinelles Lernen und Deep Learning ermöglichen es, umfassende Analysen großer Datenmenge durchzuführen und Rückschlüsse auf Mustererkennung sowie Korrelationen zu ziehen. In diesem Beitrag werden der Nutzen und die Schwierigkeiten von Big Data in der Patientenversorgung beschrieben.

Ardila D, Kiraly AP, Bharadwaj Setal (2019) End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography. NatMed 25:954–961

Braun M, Hummel P, Beck S, Dabrock P (2020) Primer on an ethics of AI-based decision support systems in the clinic. J Med Ethics. https://doi.org/10.1136/medethics-2019-105860CrossRefPubMed

Cho J, Lee K, Shin E, Choy G, Do S (2016) Medical image deep learning with hospital PACS Dataset. ICLR,

Dinov ID (2016) Volume and value of big Healthcare data. J Med Stat Inform 4:3CrossRef

Harmon SA, Tuncer S, Sanford T, Choyke PL, Türkbey B (2019) Artificial intelligence at the intersection of pathology and radiology in prostate cancer. Diagn Interv Radiol 25(3):183–188CrossRef

Haubold J (2019) Künstliche Intelligenz in der Radiologie. Radiologe 60:64–69CrossRef

Jussupow E, Spohrer K, Heinzl A, Gawlitza J (2021) ISR 32(3):713–735CrossRef

Kotter E, Ranschaert E (2020) Challenges and solutions for introducing artificial intelligence (AI) in daily clinical workflow. Eur Radiol 31:5–7CrossRef

Li T, Fong S, Siu SWI, Yang X‑S, Liu L‑S, Mohammed S (2020) White learning methodology: a case study of cancer-related disease factors analysis in real-time PACS environment. Comput Methods Programs Biomed 197:105724. https://doi.org/10.1016/j.cmpb.2020.105724CrossRefPubMed

10.

Luo J, Wu M, Gopukumar D, Zhao Y (2016) Big data application in biomedical research and health care: a literature review. Biomed Inform Insights 8:1–10PubMedPubMedCentral

11.

McKee BJ, Regis SM, McKee AB et al (2015) Performance of ACR lung-RADS in a clinical CT lung screening program. J Am Coll Radiol 12:273–276CrossRef

12.

Negassi M, Suarez-Ibarrola R, Hein S, Miernik A, Reiterer A (2020) World J Urol 38:2349–2358CrossRef

13.

Ranchal R, Bastide P, Wang X, Gkoulalas-Divanis A, Mehra M, Bakthavachalam S, Lei H, Mohindra A (2020) Disrupting Healthcare silos: addressing data volume, velocity and variety with a cloud-native Healthcare data ingestion service. IEEE J Biomed Health Inform 24(11):3182–3188CrossRef

14.

Schreiber A, Hahn H, Wenzel M, Loch T (2020) Künstliche Intelligenz. Urologe 59(9):1026–1034. https://doi.org/10.1007/s00120-020-01294-7CrossRef

15.

Suarez-Ibarrola R, Kriegmair M, Waldbillig M, Grüne B, Negassi M, Parupalli U, Schmitt A, Reiterer A, Müller C, Scheurer A, Baur S, Klein K, Fallert JA, Mündermann L, Yoganathan J, Probst M, Ihle P, Bobic N, Schumm T, Rehn H, Betke A, Graurock M, Forrer M, Gratzke C, Miernik A, Hein S (2020) A novel endoimaging system for endoscopic 3D reconstruction in bladder cancer patients. Minim Invasive Ther Allied Technol. https://doi.org/10.1080/13645706.2020.17CrossRefPubMed

16.

Waldbillig F, Hein S, Grüne B, Suarez-Ibarrola R, Liatsikos E, Salomon G, Reiterer A, Gratzke C, Miernik A, Kriegmair MC, Ritter M (2020) Current European trends in endoscopic imaging and Transurethral resection of bladder tumors. J Endourol 34:3CrossRef

17.

Tallón-Ballesteros AJ, Fong S, Li T, Liu L, Hanne T, Lin W (2020) Hybridized White Learning in Cloud-Based Picture Archiving and Communication System for Predictability and Interpretability. In: HAIS, LNAI, Bd. 12344. Springer, Cham, S 511–521

Titel: Nutzung von medizinischen Datenarchiven für Forschungs- und Patientenversorgungszwecke
verfasst von: M. Peredin
Dipl.-Inform. S. Baur, MA
Publikationsdatum: 22.12.2021
Verlag: Springer Medizin
Schlagwörter: Pflege
Künstliche Intelligenz
Erschienen in: Die Urologie / Ausgabe 2/2022
Print ISSN: 2731-7064
Elektronische ISSN: 2731-7072
DOI: https://doi.org/10.1007/s00120-021-01742-y

Neu im Fachgebiet Urologie

18.04.2024 | Infertilität | Nachrichten

Update Urologie

Bestellen Sie unseren Fach-Newsletter und bleiben Sie gut informiert.

Newsletter bestellen

Live-Webinar: Aktuelle Leitlinien bei Herz-Kreislauf-Erkrankungen

Springer Medizin

Nutzung von medizinischen Datenarchiven für Forschungs- und Patientenversorgungszwecke

Zusammenfassung

Neu im Fachgebiet Urologie

Viele Ärzte haben Probleme mit der Zeugungsfähigkeit

Hochrisiko-Eingriffe für postoperative Übelkeit

Einladung zum PSA-Screening senkt die Krebssterblichkeit

Wie toxische Männlichkeit der Gesundheit von Männern schadet

Update Urologie

Live-Webinar: Aktuelle Leitlinien bei Herz-Kreislauf-Erkrankungen

Springer Medizin

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Weitere Artikel der Ausgabe 2/2022

Urologische Apps: Viel Potenzial, wenig Substanz

Chancen und Risiken der Telemedizin in der Urologie

Virtual und Augmented Reality in der Urologie

Postoperative Wundinfektionen vermeiden

Berufspolitik BvDU

Aktuelles aus der DGU-Pressestelle

Neu im Fachgebiet Urologie

Viele Ärzte haben Probleme mit der Zeugungsfähigkeit

Hochrisiko-Eingriffe für postoperative Übelkeit

Einladung zum PSA-Screening senkt die Krebssterblichkeit

Wie toxische Männlichkeit der Gesundheit von Männern schadet

Update Urologie