Author:
Mathis Dominic,Ackermann Jakob,Günther Daniel,Laky Brenda,Deichsel Adrian,Schüttler Karl Friedrich,Wafaisade Arasch,Eggeling Lena,Kopf Sebastian,Münch Lukas,Herbst Elmar
Abstract
ZusammenfassungWir befinden uns in einer Phase exponentiellen Wachstums bei der Nutzung von künstlicher Intelligenz (KI). Knapp 90 % der KI-Forschung in der Orthopädie und Unfallchirurgie wurde in den letzten 3 Jahren veröffentlicht. In der Mehrzahl der Untersuchungen wurde KI zur Bildinterpretation oder als klinisches Entscheidungsinstrument eingesetzt. Die am häufigsten untersuchten Körperregionen waren dabei Wirbelsäule, Knie und Hüfte. Mit der Verbesserung der Datenerfassung verbessern sich auch die mit KI assoziierten Möglichkeiten einer genaueren Diagnostik, von patientenspezifischen Behandlungsansätzen, verbesserter Ergebnisvorhersage und erweiterter Ausbildung. KI bietet einen potenziellen Weg, um Ärztinnen und Ärzte zu unterstützen und gleichzeitig den Wert der Behandlung zu maximieren. Ein grundlegendes Verständnis dafür, was KI beinhaltet und wie sie sich auf die Orthopädie und die Patientenversorgung auswirken kann, ist unerlässlich. Dieser Artikel gibt einen Überblick über die Anwendungsbereiche von KI-Systemen in der Orthopädie und stellt sie in den komplexen Gesamtkontext bestehend aus Interessensvertretern aus Politik, Industrie, Behörden und Medizin.
Publisher
Springer Science and Business Media LLC
Subject
Orthopedics and Sports Medicine
Reference90 articles.
1. Acatech (2020) Machine Learning in der Medizintechnik – Analyse und Handlungsempfehlungen. https://www.acatech.de/publikation/machine-learning-in-der-medizintechnik. Zugegriffen: 26. Nov. 2023
2. Balsiger F, Steindel C, Arn M, Wagner B, Grunder L, El-Koussy M et al (2018) Segmentation of peripheral nerves from magnetic resonance neurography: a fully-automatic, deep learning-based approach. Front Neurol 9:777
3. Batache D (2023) Künstliche Intelligenz in der Medizin aus haftungsrechtlicher Perspektive. Dike Verlag, Schweiz
4. Bien N, Rajpurkar P, Ball RL, Irvin J, Park A, Jones E et al (2018) Deep-learning-assisted diagnosis for knee magnetic resonance imaging: development and retrospective validation of MRNet. PLoS Med 15(11):e1002699
5. Blarer A, Buffat M, Busch C, Egloff D, Fanzun J, Haefliger G et al (2019) Herausforderungen der künstlichen Intelligenz. Bericht der interdepartementalen Arbeitsgruppe „Künstliche Intelligenz“ an den Bundesrat. https://www.sbfi.admin.ch/sbfi/de/home/bfi-politik/bfi-2021-2024/transversale-themen/digitalisierung-bfi/kuenstliche-intelligenz.html. Zugegriffen: 26. Nov. 2023