Wie jeder Industriesektor ist die Gesundheitswirtschaft vom rasanten, digitalen Wandel betroffen. Vor allem das Gebiet der künstlichen Intelligenz entwickelt sich stetig weiter. Dazu zählt unter anderem das maschinelle Lernen oder Machine Learning. Hierbei lernen Maschinen aus Erfahrung, um präzisere Ergebnisse zu liefern und dadurch eine bessere Therapieauswahl zu ermöglichen.
Was sind die technischen und organisatorischen Voraussetzungen für Machine Learning? Welche rechtlichen Bedenken gibt es? Und wie weit sind die Voraussetzungen für Machine Learning in Deutschland geschaffen?
Der Autor Tobias Wischemann erläutert den aktuellen Forschungsstand bezüglich Machine Learning und vergleicht die Rahmenbedingungen in Deutschland mit denen in den USA. Des Weiteren gibt Wischemann Handlungsempfehlungen, mit denen der technische, organisatorische und rechtliche Rahmen für Machine Learning in Deutschland geschaffen werden kann.
Aus dem Inhalt:
- personalisierte Medizin;
- Systemmedizin;
- Big Data;
- KI;
- Datenschutz
Inhaltsverzeichnis
- 1 Hintergrund und Zielsetzung
- 2 Theoretischer Hintergrund
- 2.1 Personalisierte Medizin und Systemmedizin
- 2.2 Technische Aspekte: Machine Learning und Big Data
- 2.3 Organisatorische Aspekte: Gesundheit im Zeitalter von Big Data
- 2.4 Rechtliche Aspekte
- 2.5 Zusammenfassung
- 3 Methodisches Vorgehen
- 4 Ergebnisse
- 4.1 Ergebnisse: Technische Aspekte
- 4.2 Ergebnisse: Organisatorische Aspekte
- 4.3 Ergebnisse: Rechtliche Aspekte
- 5 Diskussion
- 5.1 Vergleichende Betrachtung
- 5.2 Handlungsempfehlungen an das deutsche Gesundheitswesen
- 6 Fazit und Ausblick
Zielsetzung und Themenschwerpunkte
Diese Arbeit untersucht, wie Machine Learning die Diagnose- und Therapieentscheidungen in der modernen Medizin verbessern kann. Sie beleuchtet die technischen, organisatorischen und rechtlichen Voraussetzungen, die dafür geschaffen werden müssen.
- Personalisierte Medizin und Systemmedizin
- Technische Aspekte von Machine Learning und Big Data in der Medizin
- Organisatorische Herausforderungen der Digitalisierung im Gesundheitswesen
- Rechtliche Rahmenbedingungen für den Einsatz von Machine Learning in der Medizin
- Handlungsempfehlungen für die zukünftige Entwicklung des deutschen Gesundheitswesens
Zusammenfassung der Kapitel
Kapitel 1 führt in das Thema ein und erläutert die Zielsetzung der Arbeit. Kapitel 2 beleuchtet den theoretischen Hintergrund und beschreibt die verschiedenen Aspekte der personalisierten Medizin und Systemmedizin. Es behandelt auch die technischen Aspekte von Machine Learning und Big Data sowie die organisatorischen und rechtlichen Herausforderungen, die mit dem Einsatz dieser Technologien im Gesundheitswesen verbunden sind. Kapitel 3 beschreibt das methodische Vorgehen der Arbeit. Kapitel 4 präsentiert die Ergebnisse der Untersuchung, unterteilt in die Bereiche technische, organisatorische und rechtliche Aspekte. Kapitel 5 diskutiert die Ergebnisse und leitet Handlungsempfehlungen für das deutsche Gesundheitswesen ab. Das Fazit und der Ausblick in Kapitel 6 fassen die wichtigsten Erkenntnisse der Arbeit zusammen und geben einen Ausblick auf zukünftige Forschungsfragen.
Schlüsselwörter
Die Arbeit behandelt die Themen Machine Learning, Big Data, Personalisierte Medizin, Systemmedizin, Digitalisierung, Gesundheitswesen, Recht, Ethik und Handlungsempfehlungen. Sie analysiert den Einsatz von Machine Learning in der Medizin und die damit verbundenen Chancen und Herausforderungen. Die Arbeit untersucht auch die rechtlichen Rahmenbedingungen und die ethischen Aspekte des Einsatzes von Machine Learning in der Medizin.
- Citation du texte
- Tobias Wischemann (Auteur), 2020, Wie Machine Learning die Diagnose- und Therapieentscheidungen verbessert. Technische, organisatorische und rechtliche Voraussetzungen in der modernen Medizin, Munich, GRIN Verlag, https://www.grin.com/document/502507
