Erklärbare Künstliche Intelligenz in der Pathologie
Standard
Erklärbare Künstliche Intelligenz in der Pathologie. / Klauschen, Frederick; Dippel, Jonas; Keyl, Philipp; Jurmeister, Philipp; Bockmayr, Michael; Mock, Andreas; Buchstab, Oliver; Alber, Maximilian; Ruff, Lukas; Montavon, Grégoire; Müller, Klaus-Robert.
in: PATHOLOGIE, Jahrgang 45, Nr. 2, 03.2024, S. 133-139.Publikationen: SCORING: Beitrag in Fachzeitschrift/Zeitung › SCORING: Review › Forschung
Harvard
APA
Vancouver
Bibtex
}
RIS
TY - JOUR
T1 - Erklärbare Künstliche Intelligenz in der Pathologie
AU - Klauschen, Frederick
AU - Dippel, Jonas
AU - Keyl, Philipp
AU - Jurmeister, Philipp
AU - Bockmayr, Michael
AU - Mock, Andreas
AU - Buchstab, Oliver
AU - Alber, Maximilian
AU - Ruff, Lukas
AU - Montavon, Grégoire
AU - Müller, Klaus-Robert
N1 - © 2024. The Author(s), under exclusive licence to Springer Medizin Verlag GmbH, ein Teil von Springer Nature.
PY - 2024/3
Y1 - 2024/3
N2 - Mit den Entwicklungen der Präzisionsmedizin steigen die Anforderungen an die pathologische Diagnostik, histomorphologische und molekularpathologische Daten standardisiert, quantitativ und integriert zu beurteilen. Große Hoffnungen werden in Verfahren der Künstlichen Intelligenz (KI) gesetzt, die gezeigt haben, komplexe klinische, histologische und molekulare Daten zur Krankheitsklassifikation, Biomarkerquantifizierung und Prognoseabschätzung auswerten zu können. Diese Arbeit gibt einen Überblick über neueste Entwicklungen der KI in der Pathologie, diskutiert die Grenzen insbesondere hinsichtlich der Intransparenz der KI und beschreibt Lösungen, die Entscheidungsprozesse mit Verfahren der sog. erklärbaren KI („explainable AI“, XAI) transparenter zu gestalten.
AB - Mit den Entwicklungen der Präzisionsmedizin steigen die Anforderungen an die pathologische Diagnostik, histomorphologische und molekularpathologische Daten standardisiert, quantitativ und integriert zu beurteilen. Große Hoffnungen werden in Verfahren der Künstlichen Intelligenz (KI) gesetzt, die gezeigt haben, komplexe klinische, histologische und molekulare Daten zur Krankheitsklassifikation, Biomarkerquantifizierung und Prognoseabschätzung auswerten zu können. Diese Arbeit gibt einen Überblick über neueste Entwicklungen der KI in der Pathologie, diskutiert die Grenzen insbesondere hinsichtlich der Intransparenz der KI und beschreibt Lösungen, die Entscheidungsprozesse mit Verfahren der sog. erklärbaren KI („explainable AI“, XAI) transparenter zu gestalten.
KW - Artificial Intelligence
KW - Pathology, Molecular
KW - Hope
KW - Precision Medicine
U2 - 10.1007/s00292-024-01308-7
DO - 10.1007/s00292-024-01308-7
M3 - SCORING: Review
C2 - 38315198
VL - 45
SP - 133
EP - 139
JO - PATHOLOGIE
JF - PATHOLOGIE
SN - 2731-7188
IS - 2
ER -