Anwendungen künstlicher Intelligenz in der Onkologie: Möglichkeiten, Machbarkeit und regulatorische Herausforderungen : = Artificial intelligence applications in oncology: opportunities, feasibility, and regulatory challenges

Abstract: Die Integration von künstlicher Intelligenz (KI) in die Onkologie verspricht eine Revolution in Diagnose, Behandlung und Forschung. Es werden verschiedene Anwendungen betrachtet, wobei auf die Belastung und den Burnout von Onkologen eingegangen wird. Die Potenziale werden umfassend erörtert, angefangen bei der Prävention durch Wearables und KI-gestützte Analyse von Gesundheitsdaten bis zur personalisierten Behandlungsplanung und beschleunigten Medikamentenentwicklung. Ein Fokus liegt auf AlphaFold, einer KI-Anwendung für Protein-Folding. Die Verwaltung von Patientendaten und die Erstellung von Befundberichten werden durch KI optimiert, wobei Suchmaschinen und Large Language Models (LLM) eine herausragende Rolle spielen. Die zunehmende Spezialisierung von LLM, etwa in der medizinischen Textgenerierung, verdeutlicht die wachsende Bedeutung. Die Machbarkeit solcher KI-Anwendungen ist gegeben, wobei Ressourcen- und Schulungsbedarf für das medizinische Personal berücksichtigt werden müssen. Kommerzielle Organisationen, wie DeepMind, spielen eine wichtige Rolle in der Umsetzung von KI in die klinische Praxis. Regulatorische Herausforderungen werden diskutiert, einschließlich Datenschutz, Qualitätskontrolle, Haftung und ethische Aspekte. Der European Health Data Space (EHDS) ist eine vielversprechende Initiative für die Förderung des sicheren Datenaustauschs innerhalb der EU. Insgesamt kann KI bedeutende Fortschritte in der Onkologie ermöglichen. Die regulatorischen Herausforderungen erfordern jedoch Sorgfalt und Aufmerksamkeit, um eine ethisch verantwortungsvolle und sichere Implementierung sicherzustellen. KI-Anwendungen können die Krebsversorgung verbessern, die Patientenversorgung revolutionieren und die Arbeitsbelastung für medizinisches Personal reduzieren
Abstract: The integration of artificial intelligence (AI) into oncology promises a revolution in diagnosis, treatment, and research. Various applications are considered, with a focus on stress and burnout experienced by oncologists. The potentials are comprehensively discussed, starting from prevention through wearables and AI-assisted analysis of health data to personalized treatment planning and accelerated drug development. One area of focus is AlphaFold, an AI application for protein folding. The management of patient data and the creation of medical reports are optimized by AI, with search engines and large language models (LLM) playing a prominent role. The increasing specialization of LLMs, particularly in medical text generation, underscores their growing importance. The feasibility of AI applications is emphasized, addressing the need for resources and training for medical personnel. Commercial organizations, such as DeepMind, play a crucial role in implementing AI in clinical practice. Regulatory challenges are discussed, including data privacy, quality control, liability, and ethical aspects. The European Health Data Space (EHDS) is a promising initiative for promoting secure data exchange within the European Union. Overall, AI can facilitate significant advancements in oncology. However, regulatory challenges require careful attention to ensure an ethically responsible and safe implementation. AI applications have the potential to improve cancer care, revolutionize patient management, and reduce the workload for medical personnel

Angaben zum Objekt

• Weitere Titel: Artificial intelligence applications in oncology: opportunities, feasibility, and regulatory challenges
• Standort: Deutsche Nationalbibliothek Frankfurt am Main
• Umfang: Online-Ressource
• Sprache: Deutsch
• Anmerkungen: Die Onkologie. - 30, 5 (2024) , 339-346, ISSN: 2731-7234

Klassifikation und Themen

• Schlagwort: Krebs ; Künstliche Intelligenz ; Onkologie ; Textproduktion ; Maschinelles Lernen

Beteiligte, Orts- und Zeitangaben

• Ereignis: Veröffentlichung
• (wo): Freiburg
• (wer): Universität
• (wann): 2024
• Urheber: Wenz, Frederik ; Ebener, Stefan

Weitere Informationen

• DOI: 10.1007/s00761-023-01428-4
• URN: urn:nbn:de:bsz:25-freidok-2459539
• Rechteinformation: Open Access; Der Zugriff auf das Objekt ist unbeschränkt möglich.
• Letzte Aktualisierung: 14.08.2025, 11:02 MESZ