KI-ForschungKausales maschinelles Lernen berücksichtigt Ursache und Wirkung
| Forschende der LMU München sind in der KI-Forschung über das klassische maschinelle Lernen hinaus einen Schritt weitergekommen: Ihre Forschungen zielen auf das kausale Prinzip von Ursache und Wirkung als Grundlage des KI-Einsatzes ab. Klassisches maschinelles Lernen findet bereits in der medizinischen Diagnostik Anwendung, um z. B. eine Vielzahl von Röntgenbildern auszuwerten und darin Muster zu erkennen, die auf bestimmte Korrelationen schließen lassen. |
Für kausales maschinelles Lernen (mit dem Ziel der Abschätzung von Behandlungsergebnissen) können Daten aus klinischen Studien, klinischen Registern und elektronischen Gesundheitsakten verwendet werden. Gelingt der Einsatz, könnten damit zukünftig z. B. Therapien individualisiert, die Sicherheit von Arzneimitteln bewertet, KI als Entscheidungshilfe genutzt und individuelle Behandlungseffekte besser vorhergesagt werden. Insbesondere bei der maschinellen Assistenz bei Therapieentscheidungen sehen die Forschenden großes Potenzial für eine qualitativ bessere, individuelle Versorgung.
Weiter mit Account
- Alle Beiträge bei AS Advostart ohne Einschränkung verfügbar
- Zugriff auf den AS-Kompass
- Einmalige Registrierung für alle IWW-Websites
AUSGABE: ZR 9/2024, S. 3 · ID: 50113154
