Skip to main content
Hauptrubriken
CME Facharzt-Training Webinare Zeitschriften Bücher e.Medpedia Podcast
Service
Jobbörse Info & Hilfe
Fachgebiete
Anästhesiologie Allgemeinmedizin Arbeitsmedizin Augenheilkunde Chirurgie Dermatologie Gynäkologie und Geburtshilfe HNO Innere Medizin Kardiologie Neurologie Onkologie und Hämatologie Orthopädie und Unfallchirurgie Pädiatrie Pathologie Psychiatrie Radiologie Rechtsmedizin Urologie Zahnmedizin
Themen
Klimawandel und Gesundheit Neues aus dem Markt COVID-19 Praxis und Beruf Seltene Erkrankungen GOÄ & EBM Panorama
Sammlungen
Kasuistiken Algorithmen & Infografiken Blickdiagnosen Arthropedia FlapFinder (für Dermatochirurgen) Videos Kongressberichterstattung Medizin für Apothekerinnen und Apotheker Für Ärztinnen und Ärzte in Weiterbildung Für Medizinstudierende
Erweiterte Suche
Anmelden
nach oben
Die Chirurgie
Erschienen in: Der Chirurg 3/2020

01.03.2020 | Herzchirurgie | Leitthema

Künstliche Intelligenz in der Herzchirurgie

verfasst von: M. Cypko, M. Y. Emmert, V. Falk, Dr. A. Meyer

Erschienen in: Die Chirurgie | Ausgabe 3/2020

Einloggen, um Zugang zu erhalten

Zusammenfassung

Vor weniger als zehn Jahren ist es in der Welt der Informatik und künstlichen Intelligenz (KI) mit der Verwendung tiefer neuronaler Netze zu einem Durchbruch gekommen, der zunächst in der Medizin kaum Beachtung fand. Im Jahre 2017 erschienen dann erste hochrangige Publikationen zu medizinischen Anwendung von KI. Das Potenzial wurde nun vielen bewusst, und zwar sowohl in der klinischen Medizin als auch in der klinischen und biomedizinischen Forschung. Ende 2019 sehen wir uns in einer Umbruchphase: Erste Konzepte zur regulatorischen Handhabe sind erschienen, eine Vielzahl an Start-ups, aber auch etablierte Konzerne versuchen sich daran, auf KI basierende Medizinprodukte in den Markt einzuführen. In dem Beitrag werden die Grundlagen zum Verständnis KI-basierter Medizinprodukte erörtert sowie ein Einblick in gegenwärtige auf KI-basierte Lösungen speziell in der Herzchirurgie gegeben.
Literatur
1.
Krizhevsky A, Sutskever I, Hinton GE (2012) ImageNet classification with deep convolutional neural networks. In: Pereira F, Burges CJC, Bottou L, Weinberger KQ (Hrsg) Advances in neural information processing systems 25. Curran Associates, Inc, New York, S 1097–1105
2.
He K, Zhang X, Ren S, Sun J (2016) Deep Residual Learning for Image Recognition. In: 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 770–778
3.
Topol E (2019) Deep medicine: How artificial intelligence can make healthcare human again. Hachette, UK
4.
Lemke HU (2019) Some germinal roots of AI and their impact on Computer Assisted Radiology and Surgery (CARS). Int J Comput Assist Radiol Surg 14:1619–1625PubMed
5.
Witten IH, Frank E, Hall MA, Pal CJ (2016) Data mining: practical machine learning tools and techniques. Morgan Kaufmann, Burlington, MA
6.
Cypko MA et al (2017) Visual verification of cancer staging for therapy decision support. Comput Graph Forum 36:109–120CrossRef
7.
de Vaan J, Verstraeten L, de Jaegere P, Schultz C (2012) The 3mensio ValvesTM multimodality workstation. EuroIntervention 7:1464–1469CrossRef
8.
Vaitkus PT, Wang DD, Greenbaum A, Guerrero M, O’Neill W (2014) Assessment of a novel software tool in the selection of aortic valve prosthesis size for transcatheter aortic valve replacement. J Invasive Cardiol 26:328–332PubMed
9.
Soliman OII et al (2007) A comparison between QLAB and TomTec full volume reconstruction for real time three-dimensional echocardiographic quantification of left ventricular volumes. Echocardiography 24:967–974CrossRef
10.
van Gils L et al (2016) TAVI with current CE-marked devices: strategies for optimal sizing and valve delivery. EuroIntervention 12:Y22–Y27CrossRef
11.
Attia ZI et al (2016) Novel bloodless potassium determination using a signal-processed single-lead ECG. J Am Heart Assoc 5:e2746CrossRef
12.
Attia ZI et al (2019) An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm: a retrospective analysis of outcome prediction. Lancet 394:861–867CrossRef
13.
Attia ZI et al (2019) Screening for cardiac contractile dysfunction using an artificial intelligence-enabled electrocardiogram. Nat Med 25:70–74CrossRef
14.
Quero G et al (2019) Virtual and augmented reality in oncologic liver surgery. Surg Oncol Clin N Am 28:31–44CrossRef
15.
16.
Jin A et al (2018) Tool detection and operative skill assessment in surgical videos using region-based convolutional neural networks. In: 2018 IEEE Winter Conference on Applications of Computer Vision (WACV), 691–699, ieeexplore.​ieee.​org
17.
Meyer A et al (2018) Machine learning for real-time prediction of complications in critical care: a retrospective study. Lancet Respir Med 6:905–914CrossRef
18.
Sander M (2010) S3-Leitlinie zur intensivmedizinischen Versorgung herzchirurgischer Patienten Hämodynamisches Monitoring und Herz-Kreislauf. AWMF Leitlinie
19.
Hatib F et al (2018) Machine-learning algorithm to predict hypotension based on high-fidelity arterial pressure waveform analysis. Anesthesiology 129:663–674CrossRef
20.
Ramesh AN, Kambhampati C, Monson JRT, Drew PJ (2004) Artificial intelligence in medicine. Ann R Coll Surg Engl 86:334–338CrossRef
21.
Rockstroh M et al (2017) OR.NET: multi-perspective qualitative evaluation of an integrated operating room based on IEEE 11073 SDC. Int J Comput Assist Radiol Surg 12:1461–1469CrossRef
22.
Benson T, Grieve G (2016) Principles of health interoperability: SNOMED CT, HL7 and FHIR. Springer, LondonCrossRef
23.
Goldhahn J, Rampton V, Spinas GA (2018) Could artificial intelligence make doctors obsolete? BMJ 363:k4563CrossRef
Metadaten
Titel
Künstliche Intelligenz in der Herzchirurgie
verfasst von
M. Cypko
M. Y. Emmert
V. Falk
Dr. A. Meyer
Publikationsdatum
01.03.2020
Verlag
Springer Medizin
Erschienen in
Die Chirurgie / Ausgabe 3/2020
Print ISSN: 2731-6971
Elektronische ISSN: 2731-698X
DOI
https://doi.org/10.1007/s00104-020-01132-8

Weitere Artikel der Ausgabe 3/2020

Der Chirurg 3/2020 Zur Ausgabe

Leitthema

Digitalisierung und Ansätze künstlicher Intelligenz in der mikrovaskulär-rekonstruktiven Gesichtschirurgie

Leitthema

Künstliche Intelligenz, Robotik und Digitalisierung im Konzept der Einsatzchirurgie des deutschen Sanitätsdienstes

Leitthema

Künstliche Intelligenz in der Neurochirurgie

Leitthema

Künstliche Intelligenz in der Plastischen Chirurgie

Journal Club

Leberzirrhose bei laparoskopischen Leberteilresektionen

Aktuelles Thema

Positionspapier des Bündnis Junge Ärzte (BJÄ) zu Digitalisierung, Applikationen (Apps) und Künstlicher Intelligenz im Gesundheitswesen

Neu im Fachgebiet Chirurgie

Wie erfolgreich ist eine Re-Ablation nach Rezidiv?

23.04.2024 Ablationstherapie Nachrichten

Nach der Katheterablation von Vorhofflimmern kommt es bei etwa einem Drittel der Patienten zu Rezidiven, meist binnen eines Jahres. Wie sich spätere Rückfälle auf die Erfolgschancen einer erneuten Ablation auswirken, haben Schweizer Kardiologen erforscht.

Hinter dieser Appendizitis steckte ein Erreger

23.04.2024 Appendizitis Nachrichten

Schmerzen im Unterbauch, aber sonst nicht viel, was auf eine Appendizitis hindeutete: Ein junger Mann hatte Glück, dass trotzdem eine Laparoskopie mit Appendektomie durchgeführt und der Wurmfortsatz histologisch untersucht wurde.

Mehr Schaden als Nutzen durch präoperatives Aussetzen von GLP-1-Agonisten?

23.04.2024 Operationsvorbereitung Nachrichten

Derzeit wird empfohlen, eine Therapie mit GLP-1-Rezeptoragonisten präoperativ zu unterbrechen. Eine neue Studie nährt jedoch Zweifel an der Notwendigkeit der Maßnahme.

Ureterstriktur: Innovative OP-Technik bewährt sich

19.04.2024 EAU 2024 Kongressbericht

Die Ureterstriktur ist eine relativ seltene Komplikation, trotzdem bedarf sie einer differenzierten Versorgung. In komplexen Fällen wird dies durch die roboterassistierte OP-Technik gewährleistet. Erste Resultate ermutigen.

Update Chirurgie

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

Newsletter bestellen

Aktuelle BDC Leitlinien-Webinare

S3-Leitlinie „Diagnostik und Therapie des Karpaltunnelsyndroms“

Karpaltunnelsyndrom BDC Leitlinien Webinare
CME: 2 Punkte

Das Karpaltunnelsyndrom ist die häufigste Kompressionsneuropathie peripherer Nerven. Obwohl die Anamnese mit dem nächtlichen Einschlafen der Hand (Brachialgia parästhetica nocturna) sehr typisch ist, ist eine klinisch-neurologische Untersuchung und Elektroneurografie in manchen Fällen auch eine Neurosonografie erforderlich. Im Anfangsstadium sind konservative Maßnahmen (Handgelenksschiene, Ergotherapie) empfehlenswert. Bei nicht Ansprechen der konservativen Therapie oder Auftreten von neurologischen Ausfällen ist eine Dekompression des N. medianus am Karpaltunnel indiziert.

Prof. Dr. med. Gregor Antoniadis
Berufsverband der Deutschen Chirurgie e.V.

S2e-Leitlinie „Distale Radiusfraktur“

Radiusfraktur BDC Leitlinien Webinare
CME: 2 Punkte

Das Webinar beschäftigt sich mit Fragen und Antworten zu Diagnostik und Klassifikation sowie Möglichkeiten des Ausschlusses von Zusatzverletzungen. Die Referenten erläutern, welche Frakturen konservativ behandelt werden können und wie. Das Webinar beantwortet die Frage nach aktuellen operativen Therapiekonzepten: Welcher Zugang, welches Osteosynthesematerial? Auf was muss bei der Nachbehandlung der distalen Radiusfraktur geachtet werden?

PD Dr. med. Oliver Pieske
Dr. med. Benjamin Meyknecht
Berufsverband der Deutschen Chirurgie e.V.

S1-Leitlinie „Empfehlungen zur Therapie der akuten Appendizitis bei Erwachsenen“

Appendizitis BDC Leitlinien Webinare
CME: 2 Punkte

Inhalte des Webinars zur S1-Leitlinie „Empfehlungen zur Therapie der akuten Appendizitis bei Erwachsenen“ sind die Darstellung des Projektes und des Erstellungswegs zur S1-Leitlinie, die Erläuterung der klinischen Relevanz der Klassifikation EAES 2015, die wissenschaftliche Begründung der wichtigsten Empfehlungen und die Darstellung stadiengerechter Therapieoptionen.

Dr. med. Mihailo Andric
Berufsverband der Deutschen Chirurgie e.V.
Bildnachweise