Kontakt aufnehmen

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
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien