Digitalisierung und künstliche Intelligenz in der Radioonkologie
Standard
Digitalisierung und künstliche Intelligenz in der Radioonkologie. / El Shafie, Rami A.; Janssen, Stefan; Braulke, Friederike; Rieken, Stefan; Grohmann, Maximilian.
In: best practice onkologie, Vol. 19, 2024, p. 288-295.Research output: SCORING: Contribution to journal › SCORING: Journal article › Research › peer-review
Harvard
APA
Vancouver
Bibtex
}
RIS
TY - JOUR
T1 - Digitalisierung und künstliche Intelligenz in der Radioonkologie
AU - El Shafie, Rami A.
AU - Janssen, Stefan
AU - Braulke, Friederike
AU - Rieken, Stefan
AU - Grohmann, Maximilian
PY - 2024
Y1 - 2024
N2 - Neuronale Netze ermöglichen eine flexible und anpassungsfähige Verarbeitung von Informationen. Daher eignen sie sich besonders für komplexe Aufgaben wie Bilderkennung oder Erstellung von Prognosemodellen. Durch den Einsatz dieser Konzepte kann künstliche Intelligenz (KI) dazu beitragen, präzisere Diagnosen zu stellen, individuelle Behandlungspläne zu erstellen und die Effizienz der Therapie zu verbessern. Vielversprechend ist die Anwendung der KI in der bildgebenden Diagnostik zur Detektion von Lungenrundherden und der Einsatz im Bereich des Lungenkrebs-Screenings. Neben der Vorhersage von Nebenwirkungswahrscheinlichkeiten ist der Einsatz von KI auch für die Prädiktion des Ansprechens auf die Strahlentherapie und in der Nachsorge von Interesse. Beispielsweise erwies sich in der individualisierten Therapienachsorge von Patienten mit Lungenkarzinom die Verwendung einer webbasierten Applikation mit integriertem Risikobewertungsalgorithmus auf der Grundlage einer wöchentlichen Symptomerfassung durch die Patienten als vorteilhaft gegenüber der nichtindividualisierten Nachsorge, da ein längeres Gesamtüberleben durch frühere Rezidiverkennung und ein besserer klinischer Allgemeinzustand erreicht wurden.
AB - Neuronale Netze ermöglichen eine flexible und anpassungsfähige Verarbeitung von Informationen. Daher eignen sie sich besonders für komplexe Aufgaben wie Bilderkennung oder Erstellung von Prognosemodellen. Durch den Einsatz dieser Konzepte kann künstliche Intelligenz (KI) dazu beitragen, präzisere Diagnosen zu stellen, individuelle Behandlungspläne zu erstellen und die Effizienz der Therapie zu verbessern. Vielversprechend ist die Anwendung der KI in der bildgebenden Diagnostik zur Detektion von Lungenrundherden und der Einsatz im Bereich des Lungenkrebs-Screenings. Neben der Vorhersage von Nebenwirkungswahrscheinlichkeiten ist der Einsatz von KI auch für die Prädiktion des Ansprechens auf die Strahlentherapie und in der Nachsorge von Interesse. Beispielsweise erwies sich in der individualisierten Therapienachsorge von Patienten mit Lungenkarzinom die Verwendung einer webbasierten Applikation mit integriertem Risikobewertungsalgorithmus auf der Grundlage einer wöchentlichen Symptomerfassung durch die Patienten als vorteilhaft gegenüber der nichtindividualisierten Nachsorge, da ein längeres Gesamtüberleben durch frühere Rezidiverkennung und ein besserer klinischer Allgemeinzustand erreicht wurden.
U2 - 10.1007/s11654-024-00586-0
DO - 10.1007/s11654-024-00586-0
M3 - SCORING: Zeitschriftenaufsatz
VL - 19
SP - 288
EP - 295
JO - best practice onkologie
JF - best practice onkologie
SN - 0946-4565
ER -