Schulungsübersicht
Einführung in KI im Gesundheitswesen
- Anwendungen von KI in der klinischen Entscheidungsunterstützung und Diagnostik
- Überblick über Gesundheitsdatenmodalitäten: strukturierte Daten, Text, Bildgebungsverfahren, Sensordaten
- Herausforderungen, die spezifisch für die Entwicklung medizinischer KI sind
Vorbereitung und Verwaltung von Gesundheitsdaten
- Umgang mit Elektronischen Krankenakten (EMR), Laborergebnissen und HL7/FHIR-Daten
- Vorverarbeitung medizinischer Bilder (DICOM, CT, MRT, Röntgen)
- Verarbeitung von Zeitreihendaten von Wearables oder ICU-Monitoren
Feinabstimmungstechniken für Gesundheitsmodelle
- Transferlernen und domänenspezifische Adaption
- Aufgabenspezifische Modelloptimierung für Klassifikation und Regression
- Feinabstimmung mit geringen Ressourcen bei begrenzten annotierten Daten
Krankheitsvorhersage und Ergebnisprognose
- Risikobewertung und Frühwarnsysteme
- Prädiktive Analytik für Wiederaufnahmen und Therapieverlauf
- Integration multimodaler Modelle
Ethik, Datenschutz und regulatorische Überlegungen
- HIPAA, DSGVO und der Umgang mit Patientendaten
- Minderung von Verzerrung (Bias) und Fairness-Audits in Modellen
- Nachvollziehbarkeit bei klinischen Entscheidungen
Modellbewertung und Validierung in klinischen Umgebungen
- Leistungskennzahlen (AUC, Sensitivität, Spezifität, F1)
- Validierungstechniken für unausgeglichene und risikoreiche Datensätze
- Simulierte vs. reale Test-Pipelines
Bereitstellung und Überwachung in Gesundheitsumgebungen
- Integration von Modellen in Krankenhaus-IT-Systeme
- CI/CD in regulierten medizinischen Umgebungen
- Erkennung von Drifts nach der Bereitstellung und kontinuierliches Lernen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis der Prinzipien des maschinellen Lernens und des überwachtem Lernens
- Erfahrung mit Gesundheitsdatensätzen wie Elektronische Krankenakten, bildgebenden Daten oder klinischen Notizen
- Kenntnisse in Python und ML-Frameworks (z. B. TensorFlow, PyTorch)
Zielgruppe
- Entwickler von medizinischer KI
- Datenwissenschaftler 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