Klinische Vorteile eines Software Upgrade mit künstlicher Intelligenz aus Sicht der MTR
Jan Hendrik Falkenstein
Künstliche Intelligenz spielt in der klinischen Anwendung eine immer größer werdende Rolle. Im radiologischen Sektor erfährt besonders die Magnetresonanztomographie aktuell einen regelrechten KI-Hype. Kürzere Untersuchungszeiten, eine höhere Bildqualität oder eine Kombination aus Zeit und Qualität sind theoretisch möglich, doch ist die KI in der Praxis mehr als eine Spielerei? Wie aufwendig ist es diese in den Alltag der Medizinischen Technologen und Technologinnen zu integrieren?
Professor Dr. med. Harald Ittrich
Die Künstliche Intelligenz (KI) revolutioniert die Radiologie und kann Ärzte dabei unterstützen, medizinische Bilder schnell und genau zu analysieren und helfen, Krankheiten frühzeitig zu diagnostizieren. Hierdurch soll die Effizienz und Genauigkeit der Diagnosen und die Qualität der Patientenversorgung verbessert werden. Anhand von Beispielen werden derzeitige Anwendungen der KI in der radiologischen Diagnostik dargestellt, Grenzen aufgezeigt und zukünftige Anwendungsgebiete beschrieben.
Künstliche Intelligenz spielt in der klinischen Anwendung eine immer größer werdende Rolle. Im radiologischen Sektor erfährt besonders die Magnetresonanztomographie aktuell einen regelrechten KI-Hype. Kürzere Untersuchungszeiten, eine höhere Bildqualität oder eine Kombination aus Zeit und Qualität sind theoretisch möglich, doch ist die KI in der Praxis mehr als eine Spielerei? Wie aufwendig ist es diese in den Alltag der Medizinischen Technologen und Technologinnen zu integrieren?
- Beispiele für eine Qualitätssteigerung durch KI
- Beispiele für eine Beschleunigung durch die KI
- Patientenbenefits
- Erstellung und Umsetzung von neuen Protokollen nach dem Software-Update
- Grenzen der KI bei einer Feldstärke von 1,5 T
Professor Dr. med. Harald Ittrich
Die Künstliche Intelligenz (KI) revolutioniert die Radiologie und kann Ärzte dabei unterstützen, medizinische Bilder schnell und genau zu analysieren und helfen, Krankheiten frühzeitig zu diagnostizieren. Hierdurch soll die Effizienz und Genauigkeit der Diagnosen und die Qualität der Patientenversorgung verbessert werden. Anhand von Beispielen werden derzeitige Anwendungen der KI in der radiologischen Diagnostik dargestellt, Grenzen aufgezeigt und zukünftige Anwendungsgebiete beschrieben.