Potenzial von Methoden der künstlichen Intelligenz für die Qualitätssicherung

Zusammenfassung Hintergrund Verfahren der künstlichen Intelligenz (KI) wie künstliche neuronale Netzwerke zeigen vielversprechende Ergebnisse im Bereich der automatisierten Analyse ophthalmologischer Bilddaten. Fragestellung Der vorliegende Beitrag diskutiert, inwiefern die Diskussion und Anwendung von KI-Algorithmen auch zur Qualitätssicherung im Bereich der Augenheilkunde beitragen kann. Material und Methode Relevante Literaturbeiträge werden zusammenfassend diskutiert. Ergebnisse Systeme, basierend auf künstlichen neuronalen Netzen, erzielen sehr gute Ergebnisse in der Diagnostik von Augenerkrankungen, indem beispielsweise OCT(optische Kohärenztomographie)-Bilder sehr gut segmentiert und Läsionsbestandteile detektiert werden können. Zum Trainieren dieser Netzwerke werden große Datensätze genutzt. Qualität und Verfügbarkeit dieser Datensätze bestimmen die kontinuierliche Verbesserung der Algorithmen. Der Vergleich zwischen KI-Algorithmen und der ärztlichen Bildinterpretation hat auch Einblicke in die diagnostische Übereinstimmung zwischen ÄrztInnen erlaubt. Aktuelle Herausforderungen liegen in der Entwicklung von Verfahren zur Modellierung der Unsicherheit und besseren Nachvollziehbarkeit automatisierter diagnostischer Entscheidungen. Schlussfolgerungen KI-Systeme könnten zeitnah als Systeme zur Entscheidungsunterstützung zum Einsatz kommen. Dadurch können sie zur effizienteren Qualitätssicherung beitragen.