Bachelorarbeit, 2022
88 Seiten, Note: 1,7
1. Einleitung
2. Angewandte Methodik
3. Grundlagen
3.1 Künstliche Intelligenz
3.1.1 Begriffsbestimmung und Entwicklung
3.1.2 Starke und schwache Künstliche Intelligenz
3.1.3 Teildisziplinen der Künstlichen Intelligenz
3.1.4 SWOT-Analyse zur Verwendung von Künstlicher Intelligenz
3.2 Reifegrad und Reifegradmodelle
3.2.1 Relevante Definitionen
3.2.2 Bisherige KI-Reifegradmodelle
4. Künstliche Intelligenz im Rahmen der Medizin
4.1 Digitaler Reifegrad in der Medizin
4.1.1 Digitale Reifegradmodelle für die Anwendung in Krankenhäusern
4.1.2 Die Bedeutung des Krankenhauszukunftsgesetzes
4.2 Anwendungsfelder der KI in klinischen Prozessen
4.2.1 Praxisbeispiele für gesundheitsversorgende Abläufe
4.2.2 Praxisbeispiele für administrative Abläufe
5. Ergebnisse zur Umfrage zum Einsatz von KI in der Medizin
5.1 Kritische Stellung zur Umfrage
5.2 Auswertung der Antworten zur Befragung
6. Perspektiven für die Zukunft
6.1 Zukunftsmodelle der digitalisierten Medizin
6.2 Herausforderungen und Grenzen
7. Fazit und Ausblick
Die vorliegende Bachelorthesis untersucht den aktuellen Stand der digitalen Reife im medizinischen Sektor und analysiert das Potenzial sowie die Herausforderungen von KI-Systemen in klinischen, sowohl gesundheitsversorgenden als auch administrativen Prozessen. Dabei wird eine zentrale Forschungsfrage adressiert:
3.1.2 Starke und schwache Künstliche Intelligenz
KI-Systeme werden in zwei Kategorien unterteilt; schwache KI und starke KI. Bei der schwachen KI handelt es sich um aktuell existierende KI-Systeme, die sich durch ihren Fokus auf einen bestimmten Bereich kennzeichnen [104]. Solche Systeme simulieren intelligentes Verhalten, sind an sich jedoch nicht intelligent [106; S. 86]. Der von Google entwickelte AlphaGo, Siri von Apple oder im medizinischen Kontext verwendete Algorithmen für Bildgebung sind Beispiele dafür. Systeme der schwachen KI können aus gesammelter Erfahrung lernen, das Erlernte allerdings nicht auf andere Gebiete anwenden beziehungsweise übertragen - der Lernprozess dient lediglich der stetigen Optimierung des jeweiligen Untersuchungsgebiets [96]. Von großem Nutzen sind Algorithmen dieser Art für die Lösung wiederholt auftretender, komplexer Probleme. Die Bundesregierung unterteilt die Anwendungsfelder der schwachen KI in fünf Kategorien, siehe Abb. 2 [18; S. 5]. Eine Kategorie umfasst Deduktionssysteme, die auf Basis reiner Logik aus bestehenden Daten Schlussfolgerungen ziehen und dadurch neue Daten generieren [18; S. 5].
Diese Form von Programmen wird hauptsächlich zum Beweis der Richtigkeit von Hardware und Software eingesetzt [18; S. 5]. Die zweite Kategorie beinhaltet wissensbasierte Systeme, welche menschliches Expertenwissen durch Software simulieren [18; S. 5]. Einsatz findet sie hauptsächlich bei der Entscheidungsfindung. Bei dieser Art von Systemen leisten sogenannte künstliche neuronale Netze große Arbeit. Die dritte Kategorie der schwachen KI ist aus medizinischer Sicht ein essenzieller Forschungsbereich. Induktive Analyseverfahren in Form von Mustererkennung und -analyse unterstützen beispielsweise bei Tumoridentifizierung, indem in Datensätzen nach Mustern gesucht wird [18; S. 5]. Beschränkt sind sie allerdings auf bereits antrainierte Daten beziehungsweise Muster [8; S. 6]. Ein weiteres Feld der schwachen KI umfasst autonome Systeme, also die Robotik. Die fünfte und letzte Kategorie der schwachen KI beschäftigt sich mit der sogenannten intelligenten, multimodalen Mensch-Maschine-Interaktion. Diese ist darauf ausgerichtet, menschliche Verhaltensweisen zu analysieren und zu verstehen [18; S. 5]. Dazu gehören beispielsweise die Sprache, Mimik und Gestik sowie andere Formen der menschlichen Interaktion [18; S. 5].
1. Einleitung: Die Einleitung führt in das Thema ein, erläutert die Relevanz der KI und formuliert die zentrale Forschungsfrage der Arbeit.
2. Angewandte Methodik: Dieses Kapitel beschreibt das Vorgehen mittels Systematic Literature Review (SLR) sowie die Durchführung und Zielsetzung der begleitenden Online-Umfrage.
3. Grundlagen: Die Grundlagen erläutern Begriffe, Teildisziplinen und Methoden der KI sowie Konzepte zur Bestimmung digitaler Reifegrade.
4. Künstliche Intelligenz im Rahmen der Medizin: Dieses Kapitel untersucht den digitalen Reifegrad deutscher Kliniken, relevante Reifegradmodelle und konkrete KI-Anwendungsfelder in der klinischen Praxis.
5. Ergebnisse zur Umfrage zum Einsatz von KI in der Medizin: Hier werden die Ergebnisse der Online-Umfrage vorgestellt, kritisch reflektiert und hinsichtlich der gesellschaftlichen Bereitschaft zur KI-Nutzung ausgewertet.
6. Perspektiven für die Zukunft: Das Kapitel diskutiert Zukunftsszenarien, technologische Potenziale sowie bestehende Herausforderungen und Grenzen der KI-Medizin.
7. Fazit und Ausblick: Das Fazit fasst die Erkenntnisse zusammen und liefert Impulse für weiterführende Forschungsarbeiten.
Künstliche Intelligenz, Medizintechnik, klinische Prozesse, digitale Reife, Reifegradmodelle, roboterassistierte Chirurgie, maschinelles Lernen, Deep Learning, Datensicherheit, Krankenhauszukunftsgesetz, Patientensicherheit, digitale Gesundheit, Patientenreise, Akzeptanz, Innovation.
Die Arbeit analysiert den aktuellen Stand der KI-Nutzung im medizinischen Sektor, untersucht den digitalen Reifegrad von Krankenhäusern und bewertet die Potenziale sowie Risiken dieser Technologien.
Zu den Schwerpunkten zählen die theoretischen Grundlagen der Künstlichen Intelligenz, die Bewertung der digitalen Infrastruktur in Kliniken, Anwendungsfelder in Diagnose und Therapie sowie die gesellschaftliche Akzeptanz von KI-basierten Medizinsystemen.
Das Ziel ist die Beantwortung der Frage, in welchem Umfang computergestützte Systeme aktuell in der Medizin eingesetzt werden und wie das volle Potenzial der KI unter Einhaltung ethischer und rechtlicher Standards ausgeschöpft werden kann.
Die Arbeit basiert auf einer Systematic Literature Review (SLR) sowie einer quantitativen Online-Umfrage zur Ermittlung der Einstellungen gegenüber computergestützten Systemen im medizinischen Sektor.
Der Hauptteil gliedert sich in die theoretischen Grundlagen der KI, die Analyse des digitalen Reifegrades deutscher Krankenhäuser (inkl. gesetzlicher Rahmenbedingungen wie dem KHZG) und eine detaillierte Betrachtung von Anwendungsfeldern in der Prävention, Diagnostik und Chirurgie.
Wichtige Begriffe sind KI, Medizintechnik, klinische Prozesse, digitale Reife, Reifegradmodelle, roboterassistierte Chirurgie sowie die Akzeptanz und ethische Herausforderungen beim Einsatz von KI.
Das Da-Vinci-System dient als zentrales Praxisbeispiel für die roboterassistierte Chirurgie, wobei seine Vorteile in der Präzision sowie die kritische Wahrnehmung durch Patienten untersucht werden.
Das KHZG ist ein wesentlicher Fördermechanismus, der finanziellen Spielraum für die Digitalisierung deutscher Krankenhäuser schaffen soll, um bestehende Defizite in der IT-Infrastruktur und Prozessqualität zu beheben.
Während der Nutzen von KI generell anerkannt wird, zeigen sich bei hochgradig autonomen Anwendungen und dem Verlust des persönlich-menschlichen Arzt-Patienten-Kontakts Skepsis und Vorbehalte.
Der GRIN Verlag hat sich seit 1998 auf die Veröffentlichung akademischer eBooks und Bücher spezialisiert. Der GRIN Verlag steht damit als erstes Unternehmen für User Generated Quality Content. Die Verlagsseiten GRIN.com, Hausarbeiten.de und Diplomarbeiten24 bieten für Hochschullehrer, Absolventen und Studenten die ideale Plattform, wissenschaftliche Texte wie Hausarbeiten, Referate, Bachelorarbeiten, Masterarbeiten, Diplomarbeiten, Dissertationen und wissenschaftliche Aufsätze einem breiten Publikum zu präsentieren.
Kostenfreie Veröffentlichung: Hausarbeit, Bachelorarbeit, Diplomarbeit, Dissertation, Masterarbeit, Interpretation oder Referat jetzt veröffentlichen!

