{"id":1271,"count":14,"description":"Die k\u00fcnstliche Intelligenz<\/strong> hat l\u00e4ngst Einzug in die Medizin<\/strong> und die Medizintechnik<\/strong> gefunden.\r\n
\r\n\r\nInhalt<\/strong>\r\n\r\nDiese Seite verschafft einen \u00dcberblick und verlinkt auf relevante Fachartikel:\r\n
    \r\n \t
  1. Begriffsbestimmungen<\/li>\r\n \t
  2. Fachartikel zu den regulatorischen Anforderungen an KI-basierte Medizinprodukte<\/li>\r\n \t
  3. Fachartikel zur Anwendung und Funktionsweise der KI im Gesundheitswesen und bei Medizinprodukten<\/li>\r\n \t
  4. Unterst\u00fctzung bei der und Zulassung von\u00a0 KI-basierten Medizinprodukten und IVD<\/li>\r\n<\/ol>\r\n<\/div>\r\n

    1. Begriffsbestimmungen<\/h2>\r\nRegelm\u00e4\u00dfig werden die Begriffe k\u00fcnstliche Intelligenz (KI), Machine Learning und Deep Learning unpr\u00e4zise oder gar synonym verwendet.\r\n

    a) Allgemeine Definitionen<\/h3>\r\nBereits der Begriff \u201eK\u00fcnstliche Intelligenz\u201c, auf Englisch \u201eArtificial Intelligence\u201c (AI), f\u00fchrt zu Diskussionen,\r\nbeispielsweise ob Maschinen \u00fcberhaupt \u00fcber Intelligenz verf\u00fcgen.\r\n\r\nWir verwenden im Folgenden diese Definition:\r\n
    \r\n
    \r\n
    <\/div>\r\nDefinition Artificial Intelligence<\/span>\r\n\r\n<\/div>\r\n\u201eA machine\u2019s ability to make decisions and perform tasks that simulate human intelligence and behavior.\r\n\r\nAlternatively\r\n
      \r\n \t
    1. A branch of computer science dealing with the simulation of intelligent behavior in computers.<\/li>\r\n \t
    2. The capability of a machine to imitate intelligent human behavior\u201d<\/li>\r\n<\/ol>\r\n

      Quelle: Merriam-Webster<\/p>\r\n\r\n<\/div>\r\nEs geht somit um die F\u00e4higkeit von Maschinen, in einer Weise Aufgaben zu \u00fcbernehmen oder Entscheidungen zu treffen, die menschliche Intelligenz und menschliches Verhalten simuliert.\r\n\r\nViele Verfahren der k\u00fcnstlichen Intelligenz nutzen das Machine Learning, das wie folgt definiert ist:\r\n

      \r\n
      \r\n\r\nDefinition Machine Learning<\/span>\r\n\r\n<\/div>\r\nA facet of AI that focuses on algorithms, allowing machines to learn and change without being programmed when exposed to new data.\u201c\r\n

      Quelle: Arkerdar: Business Intelligence for Business<\/a><\/p>\r\n\r\n<\/div>\r\nDeep Learning ist eine Klasse des Machine Learnings, die auf neuronalen Netzwerken basiert (s. Abb. 2).\r\n

      \r\n
      \r\n\r\nDefinition: Deep Learning<\/span>\r\n\r\n<\/div>\r\nThe ability for machines to autonomously mimic human thought patterns through artificial neural networks<\/strong> composed of cascading layers of information.\u201c\r\n

      Quelle: u.a. HCIT Experts<\/p>\r\n\r\n<\/div>\r\nDamit ergibt sich die folgende Taxonomie:\r\n

      \"K\u00fcnstliche<\/a>
      Abb. <\/strong>1: K\u00fcnstliche Intelligenz umfasst viele Verfahren, von denen Machine Learning nur einen Teil nutzt. Die neuronalen Netze (und damit das Deep Learning) z\u00e4hlen zum Machine Learning.<\/figcaption><\/figure>\r\n

      b) Definition der EU<\/h3>\r\nIm AI Act definiert die EU den Begriff \u201eAI System\u201c:\r\n
      \u201cAn AI system is a machine-based system designed to operate with varying levels of autonomy and that may exhibit adaptiveness after deployment and that, for explicit or implicit objectives, infers, from the input it receives, how to generate outputs such as predictions, content, recommendations, or decisions that can influence physical or virtual environments.\u201d<\/em>\r\n\r\nAI Act, Artikel 2 (Definitionen), Abschnitt 1<\/cite><\/blockquote>\r\nDiese Definition l\u00e4sst drei Bedingungen erkennen, die ein \u201emachine-based system\u201c<\/em> zum \u201eAI system\u201c<\/em> machen:\r\n
      \r\n\r\n\r\n\r\n\r\n\r\n\r\n
      Bedingung<\/strong><\/th>\r\nKommentar<\/strong><\/td>\r\n<\/tr>\r\n
      designed to operate with varying levels of autonomy<\/td>\r\nDas Wort \u201cvarying\u201d ist schwammig, so dass diese Teilbedingung kaum einschr\u00e4nkt, was unter diese\r\nDefinition f\u00e4llt.<\/td>\r\n<\/tr>\r\n
      may exhibit adaptiveness after deployment<\/td>\r\nDas Wort \u201cmay\u201d hei\u00dft, dass es diese Anpassungsf\u00e4higkeit geben kann aber nicht muss. Damit schr\u00e4nkt\r\ndiese Teilbedingung nicht ein, was unter diese Definition f\u00e4llt.<\/td>\r\n<\/tr>\r\n
      infers, from the input it receives, how to generate outputs \u2026<\/td>\r\nDas System leitet aus den Inputs ab, wie es die Outputs generiert. Es geht also nicht darum, dass\r\ndas System aus den Inputs die Outputs ableitet, sondern wie (also die Art und Weise?) es das tut.<\/td>\r\n<\/tr>\r\n<\/tbody>\r\n<\/table>\r\n<\/figure>\r\nFazit:<\/strong> Es wirkt, als w\u00fcrde nur die dritte Bedingungen wirksam eingrenzen, was ein AI-System ist. Und diese Bedingung ist schwer verst\u00e4ndlich.\r\n
      \r\n
      \r\n
      <\/div>\r\nBeispiel<\/span>\r\n\r\n<\/div>\r\nBei einem Neuronalen Netzwerk (NN) bestimmen nicht die Inputs die Art, wie die Outputs generiert werden. Denn das ist \u00fcber die Architektur des NN sowie \u00fcber die Gewichte und Biases der Neuronen bereits vorbestimmt, bevor ein Input das System erreicht.\r\n\r\nDie Inputs bestimmen hingegen die Outputs. Aber das ist auch bei jedem konventionellen Software-Algorithmus der Fall.\r\n\r\n<\/div>\r\n

      2. Fachartikel zu den regulatorischen Anforderungen an Medizinprodukte mit k\u00fcnstlicher Intelligenz<\/h2>\r\nMehrere Artikel beleuchten die regulatorischen Anforderungen an Medizinprodukte bzw. IVD, welche Verfahren der k\u00fcnstlichen Intelligenz, z.B. des maschinellen Lernens verwenden, und geben Tipps zur Umsetzung.\r\n