Skip to main content
Erschienen in: Die Urologie 9/2020

21.08.2020 | Prostatakarzinom | Leitthema

Künstliche Intelligenz

Was müssen Urolog*innen wissen?

verfasst von: A. Schreiber, H. Hahn, M. Wenzel, Prof. Dr. T. Loch

Erschienen in: Die Urologie | Ausgabe 9/2020

Einloggen, um Zugang zu erhalten

Zusammenfassung

In den vergangenen 10 Jahren haben die Methoden der Künstlichen Intelligenz (KI) Durchbrüche erfahren, die der Informationstechnologie eine Vielzahl neuer Einsatzfelder eröffnete. Dabei spielt die KI besonders dort ihre Stärken aus, wo in großen, multiparametrischen Datenmengen Muster erkannt und Rückschlüsse, sowie Prognosen auf deren Basis gezogen werden müssen. Bei diesen Problemstellungen sind uns Computer in Sachen Präzision und Geschwindigkeit überlegen. Diese informationstechnologischen Fortschritte erreichen uns in einer Zeit, in der Innovationen in Diagnostik und Sensorik eine präzisere Patientenstratifikation ermöglichen und das medizinische Personal mit einer wachsenden Quantität und Qualität an Patientendaten konfrontieren. Die Urologie steht sinnbildlich für diese neue Komplexität der Medizin, in der vielschichtige Diagnostikkaskaden ein hohes Maß an Interdisziplinarität erfordern und, insbesondere in der Uroonkologie, die Therapiestrategien ausdifferenzierter werden und die Interpretation multipler klinischer und diagnostischer Daten erfordern. Hier werden Methoden der KI in Zukunft das medizinische Personal bei Diagnostik und Therapieentscheidung unterstützen und damit dem Ziel der Präzisionsmedizin näherkommen. Voraussetzung für den Erfolg KI-basierter Unterstützungstools wird die transparente Entwicklung und Validierung der Software, sowie die populationsbasierte Visualisierung von Entscheidungsparametern.
Literatur
3.
Zurück zum Zitat Chen et al (2019) Current status of artificial intelligence applications in urology and their potential to influence clinical practice. BJU Int 124:567–577 Chen et al (2019) Current status of artificial intelligence applications in urology and their potential to influence clinical practice. BJU Int 124:567–577
4.
Zurück zum Zitat Cranmer et al (2020) Discovering symbolic models from deep learning with inductive biases. ArXiv:2006.11287v1 Cranmer et al (2020) Discovering symbolic models from deep learning with inductive biases. ArXiv:2006.11287v1
8.
Zurück zum Zitat Loch T, Gettys T, Cochran JS, Fulgham PF, Bertermann H (1990) Computer-aided image-analysis in transrectal ultrasound of the prostate. World J Urol 8:150–153 Loch T, Gettys T, Cochran JS, Fulgham PF, Bertermann H (1990) Computer-aided image-analysis in transrectal ultrasound of the prostate. World J Urol 8:150–153
9.
Zurück zum Zitat Loch T, Leuschner I, Genberg C, Weichert-Jacobsen K, Küppers F, Yfantis Y, Evans M, Tsarev V, Stöckle M (1999) Artificial neural network analysis (ANNA) of prostatic transrectal ultrasound. Prostate 39:198–204CrossRef Loch T, Leuschner I, Genberg C, Weichert-Jacobsen K, Küppers F, Yfantis Y, Evans M, Tsarev V, Stöckle M (1999) Artificial neural network analysis (ANNA) of prostatic transrectal ultrasound. Prostate 39:198–204CrossRef
11.
Zurück zum Zitat Rosenblatt F (1958) The perceptron: a probabilistic model for information storage and organization in the brain. Psychol Rev 65(1958):386–408CrossRef Rosenblatt F (1958) The perceptron: a probabilistic model for information storage and organization in the brain. Psychol Rev 65(1958):386–408CrossRef
14.
Zurück zum Zitat Von Klot CJ, Kuczyk MA (2019) Künstliche Intelligenz und neuronale Netze in der Urologie. Urologe A 58(3):291–299CrossRef Von Klot CJ, Kuczyk MA (2019) Künstliche Intelligenz und neuronale Netze in der Urologie. Urologe A 58(3):291–299CrossRef
Metadaten
Titel
Künstliche Intelligenz
Was müssen Urolog*innen wissen?
verfasst von
A. Schreiber
H. Hahn
M. Wenzel
Prof. Dr. T. Loch
Publikationsdatum
21.08.2020
Verlag
Springer Medizin
Erschienen in
Die Urologie / Ausgabe 9/2020
Print ISSN: 2731-7064
Elektronische ISSN: 2731-7072
DOI
https://doi.org/10.1007/s00120-020-01294-7

Weitere Artikel der Ausgabe 9/2020

Die Urologie 9/2020 Zur Ausgabe

DGU-Kolumne

DGU-Kolumne

Passend zum Thema

ANZEIGE

Bei Immuntherapien das erhöhte Thromboserisiko beachten

Unter modernen Systemtherapien versechsfacht sich das VTE-Risiko. Warum diese Daten relevant für die Behandlung krebsassoziierter Thrombosen sind, erläutert Prof. F. Langer im Interview. So kann es durch Immuntherapien zu inflammatorischen Syndromen z.B. im GI-Trakt kommen. Nebenwirkungen wie Durchfall oder Mukositis haben dann Einfluss auf die Wirksamkeit oraler Antikoagulantien. Aber auch in punkto Blutungsrisiko ist Vorsicht geboten. Wann hier bevorzugt NMH eingesetzt werden sollten, erläutert Prof. Langer im Interview.

ANZEIGE

CAT-Management ist ganz einfach – oder doch nicht?

Krebsassoziierte venöse Thromboembolien (CAT) haben in den vergangenen Jahren stetig zugenommen. Was hat der Anstieg mit modernen Antitumortherapien zu tun? Venöse Thromboembolien sind relevante Morbiditäts- und Mortalitätsfaktoren in der Onkologie. Besonders hoch sind die Risiken bei Tumoren des Abdominalraums. Eine antithrombotische Primärprophylaxe ist daher gerade bei gastrointestinalen (GI-) Tumoren auch im ambulanten Setting wichtig.

ANZEIGE

Management von Thromboembolien bei Krebspatienten

Die Thromboembolie ist neben Infektionen die zweithäufigste Todesursache bei Krebspatienten. Die Behandlung der CAT (cancer associated thrombosis) ist komplex und orientiert sich am individuellen Patienten. Angesichts einer Vielzahl zur Verfügung stehender medikamentöser Behandlungsoptionen finden Sie hier Video-Experteninterviews, Sonderpublikationen und aktuelle Behandlungsalgorithmen zur Therapieentscheidung auf Basis von Expertenempfehlungen.

LEO Pharma GmbH