Research ExplorerPublicationsErklärbare Künstliche Intelligenz in der Pathologie

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, Vol. 45, No. 2, 03.2024, p. 133-139.

Research output: SCORING: Contribution to journal › SCORING: Review article › Research

Harvard

Klauschen, F, Dippel, J, Keyl, P, Jurmeister, P, Bockmayr, M, Mock, A, Buchstab, O, Alber, M, Ruff, L, Montavon, G & Müller, K-R 2024, 'Erklärbare Künstliche Intelligenz in der Pathologie', PATHOLOGIE, vol. 45, no. 2, pp. 133-139. https://doi.org/10.1007/s00292-024-01308-7

APA

Klauschen, F., Dippel, J., Keyl, P., Jurmeister, P., Bockmayr, M., Mock, A., Buchstab, O., Alber, M., Ruff, L., Montavon, G., & Müller, K-R. (2024). Erklärbare Künstliche Intelligenz in der Pathologie. PATHOLOGIE, 45(2), 133-139. https://doi.org/10.1007/s00292-024-01308-7

Vancouver

Klauschen F, Dippel J, Keyl P, Jurmeister P, Bockmayr M, Mock A et al. Erklärbare Künstliche Intelligenz in der Pathologie. PATHOLOGIE. 2024 Mar;45(2):133-139. https://doi.org/10.1007/s00292-024-01308-7

Bibtex

@article{a69ba1b76672442caf9eb287cc55fb6f,
title = "Erkl{\"a}rbare K{\"u}nstliche Intelligenz in der Pathologie",
abstract = "Mit den Entwicklungen der Pr{\"a}zisionsmedizin steigen die Anforderungen an die pathologische Diagnostik, histomorphologische und molekularpathologische Daten standardisiert, quantitativ und integriert zu beurteilen. Gro{\ss}e Hoffnungen werden in Verfahren der K{\"u}nstlichen Intelligenz (KI) gesetzt, die gezeigt haben, komplexe klinische, histologische und molekulare Daten zur Krankheitsklassifikation, Biomarkerquantifizierung und Prognoseabsch{\"a}tzung auswerten zu k{\"o}nnen. Diese Arbeit gibt einen {\"U}berblick {\"u}ber neueste Entwicklungen der KI in der Pathologie, diskutiert die Grenzen insbesondere hinsichtlich der Intransparenz der KI und beschreibt L{\"o}sungen, die Entscheidungsprozesse mit Verfahren der sog. erkl{\"a}rbaren KI („explainable AI“, XAI) transparenter zu gestalten.",
keywords = "Artificial Intelligence, Pathology, Molecular, Hope, Precision Medicine",
author = "Frederick Klauschen and Jonas Dippel and Philipp Keyl and Philipp Jurmeister and Michael Bockmayr and Andreas Mock and Oliver Buchstab and Maximilian Alber and Lukas Ruff and Gr{\'e}goire Montavon and Klaus-Robert M{\"u}ller",
note = "{\textcopyright} 2024. The Author(s), under exclusive licence to Springer Medizin Verlag GmbH, ein Teil von Springer Nature.",
year = "2024",
month = mar,
doi = "10.1007/s00292-024-01308-7",
language = "Deutsch",
volume = "45",
pages = "133--139",
journal = "PATHOLOGIE",
issn = "2731-7188",
publisher = "Springer Medizin",
number = "2",

}

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 -