Kontakt aufnehmen

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
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien