Mit der Zunahme an Verfahren von Künstlicher Intelligenz (KI) übernehmen lernende Systeme fort und fort mehr Aufgaben in den unterschiedlichsten Bereichen und übertreffen stets ihre eigenen Leistungen. Diese Bachelorthesis untersucht den aktuellen Stand der digitalen Reife im medizinischen Sektor unter Berücksichtigung der Perspektiven der Anwendung von KI in klinischen Prozessen, die sowohl gesundheitsversorgende als auch administrative Abläufe umfassen. Dazu werden Reifegradmodelle zur Ermessung der Krankenhaus-IT aufgegriffen sowie die aktuellen Anwendungsfelder der KI vorgestellt. Zukunftsmodelle, die zur Ausschöpfung der KI beitragen können, werden unter Beachtung von Herausforderungen, denen lernende Systeme gegenüberstehen, aufgezeigt. Ausgehend von den gewonnenen Kenntnissen werden Handlungsmaßnahmen zur Reduzierung der Hürden hinsichtlich der Anwendungsmöglichkeiten empfohlen. Abgerundet wird die Thesis mit zwei Vorschlägen für weiterführende Forschungsarbeiten. Die methodische Vorgehensweise erfolgt sowohl literaturbasiert als auch anhand einer Online-Umfrage, wobei das Letztere zur Ermittlung der Einschätzung der Gesellschaft bezüglich den Möglichkeiten und Begrenzung von KI-Anwendungen dient.
Inhaltsverzeichnis
- Zusammenfassung
- Inhaltsverzeichnis
- Abbildungsverzeichnis
- Tabellenverzeichnis
- Abkürzungsverzeichnis
- 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
Zielsetzung und Themenschwerpunkte
Diese Bachelorthesis analysiert den Stand der digitalen Reife im Gesundheitswesen und die Potentiale der Künstlichen Intelligenz (KI) in klinischen Prozessen.
- Bewertung des aktuellen Reifegrads der medizinischen IT
- Untersuchung der Anwendungsmöglichkeiten von KI in der Gesundheitsversorgung und Verwaltung
- Identifizierung von Herausforderungen und Grenzen bei der Implementierung von KI-Systemen
- Entwicklung von Zukunftsmodellen und Handlungsempfehlungen zur Steigerung der KI-Nutzung im Gesundheitswesen
- Bewertung der gesellschaftlichen Akzeptanz von KI-Anwendungen im medizinischen Kontext
Zusammenfassung der Kapitel
Kapitel 3 legt die Grundlagen für das Verständnis von Künstlicher Intelligenz und Reifegradmodellen. Kapitel 4 beleuchtet den digitalen Reifegrad in der Medizin, die Relevanz des Krankenhauszukunftsgesetzes und die Anwendungsmöglichkeiten von KI in klinischen Prozessen. Kapitel 5 präsentiert die Ergebnisse einer Online-Umfrage zur Einschätzung der Gesellschaft bezüglich KI-Anwendungen in der Medizin. Kapitel 6 befasst sich mit Zukunftsmodellen der digitalen Medizin und den damit verbundenen Herausforderungen und Grenzen. Kapitel 7 bietet einen Ausblick auf zukünftige Entwicklungen und Forschungsfelder.
Schlüsselwörter
Künstliche Intelligenz, Digitale Reife, Medizintechnik, Klinische Prozesse, Reifegradmodelle, Krankenhauszukunftsgesetz, Anwendungsfelder, Herausforderungen, Zukunftsmodelle, Online-Umfrage, Gesellschaftliche Akzeptanz.
- Citation du texte
- Seyma Ceylan (Auteur), 2022, Reifegrad und Potenzial der Nutzung von Künstlicher Intelligenz (KI) in der Medizintechnik, Munich, GRIN Verlag, https://www.grin.com/document/1217165
