Schulungsübersicht
Einführung in KI im Gesundheitswesen
- Anwendungen von KI bei der klinischen Entscheidungsunterstützung und Diagnostik
- Überblick über Gesundheitsdatenmodalitäten: strukturierte Daten, Text, Bilddaten, Sensordaten
- Herausforderungen, die speziell für die Entwicklung von medizinischer KI gelten
Vorbereitung und Management von Gesundheitsdaten
- Arbeiten mit EMRs, Laborergebnissen und HL7/FHIR-Daten
- Vorverarbeitung medizinischer Bilder (DICOM, CT, MRT, Röntgen)
- Umgang mit Zeitreihendaten von Wearables oder Intensivüberwachungsgeräten
Feinabstimmungstechniken für Gesundheitsmodelle
- Transferlernen und domänenspezifische Anpassung
- Aufgabenspezifisches Feintuning von Modellen für Klassifizierung und Regression
- Feinabstimmung bei begrenzten Ressourcen mit unzureichend annotierten Daten
Krankheitsvorhersage und Ergebnisprognose
- Risikobewertung und Frühwarnsysteme
- Prädiktive Analytik zur Vorhersage von Wiederaufnahmen und Therapieansprechen
- Integration multimodaler Modelle
Ethik, Datenschutz und regulatorische Aspekte
- HIPAA, DSGVO und der Umgang mit Patientendaten
- Bias-Minderung und Fairness-Audits bei Modellen
- Nachvollziehbarkeit (Explainability) in klinischen Entscheidungsprozessen
Bewertung und Validierung von Modellen in klinischen Umgebungen
- Leistungskennzahlen (AUC, Sensitivität, Spezifität, F1-Score)
- Validierungstechniken für unausgeglichene und hochriskante Datensätze
- Simulierte versus reale Testpipelines
Bereitstellung und Überwachung in Gesundheitsumgebungen
- Integration von Modellen in die IT-Systeme von Spitäler
- CI/CD in regulierten medizinischen Umgebungen
- Erkennung von Drift nach der Bereitstellung und kontinuierliches Lernen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Kenntnisse in den Prinzipien des Maschinellen Lernens und des überwachten Lernens
- Erfahrung mit Gesundheitsdatensätzen wie EMRs, Bilddaten oder klinischen Notizen
- Kenntnisse in Python und ML-Frameworks (z. B. TensorFlow, PyTorch)
Zielgruppe
- Medizinische KI-Entwickler
- Data Scientists im Gesundheitswesen
- Fachkräfte, die diagnostische oder prädiktive Modelle für das Gesundheitswesen entwickeln
Erfahrungsberichte (2)
Fertigkeiten und Projekte in Claude, eine Vielzahl von Werkzeugen für unterschiedliche Zwecke
Agnieszka Czypionka
Kurs - Generative AI in Healthcare: Transforming Medicine and Patient Care
Maschinelle Übersetzung
Umfassende Informationen zum Hintergrund; wie man eine Prompt-Anfrage formuliert.
Olaf Kannt - Helios Klinikum Krefeld
Kurs - Generative AI and Prompt Engineering in Healthcare
Maschinelle Übersetzung