Skip to main content
Home
Zeitschriften
Zeitungen
Podcast
Gesundheitspolitik
Praxis
Allerlei
Jobs
Fachgebiete
Allgemeinmedizin Anästhesiologie & Intensivmedizin Apotheke Augenheilkunde Chirurgie Dermatologie Gynäkologie und Geburtshilfe HNO Innere Medizin Kinder & Jugendheilkunde Neurologie & Psychiatrie Orthopädie & Unfallchirurgie Pflege Urologie Zahnmedizin
Subfächer Innere Medizin
Diabetologie Gastroenterologie Infektiologie Kardiologie Onkologie und Hämatologie Pneumologie Rheumatologie
Fortbildungen
Überblick Fortbildungen DFP-Literaturstudium-Artikel DFP-Webcast Fortbildungen DFP-Podcasts
Erweiterte Suche
Anmelden
nach oben
Wiener klinisches Magazin
Erschienen in:

24.08.2022 | Pathologie

Künstliche Intelligenz als Lösung des PathologInnenmangels?

verfasst von: Dr. Philipp Jurmeister, Prof. Dr. Klaus-Robert Müller, Frederick Klauschen

Erschienen in: Wiener klinisches Magazin | Ausgabe 1/2023

Einloggen, um Zugang zu erhalten

Zusammenfassung

Angesichts der rasanten Entwicklungen wird kaum bezweifelt, dass die künstliche Intelligenz (KI) die pathologische Diagnostik nachhaltig beeinflussen wird. Ob allerdings KI in erster Linie ein weiteres diagnostisches Hilfsmittel, wie z. B. die Immunhistochemie, wird oder pathologisch-ärztliche Expertise auch ersetzen kann, ist noch offen. Die meisten aktuellen Studien über KI in der Histopathologie befassen sich mit relativ einfachen Fragestellungen, die noch nicht die Komplexität der Diagnostik abbilden. Während es hingegen bereits molekularpathologische Verfahren gibt, die ohne KI nicht denkbar wären, muss sich erst noch zeigen, inwieweit KI in Zukunft auch bei schwierigen histomorphologischen Differenzialdiagnosen helfen kann.
Vorheriger Artikel Zytologie der Körperhöhlenergüsse – Bewährtes und neue Entwicklungen
Nächster Artikel Pankreaszysten – Indikationen, Zeitpunkt und Rationale für eine Surveillance
Literatur
1.
Klauschen F et al (2015) Standardized Ki67 diagnostics using automated scoring—clinical validation in the GeparTrio breast cancer study. Clin Cancer Res 21:3651–3657CrossRef
2.
Coudray N et al (2018) Classification and mutation prediction from non–small cell lung cancer histopathology images using deep learning. Nat Med 24:1559–1567CrossRef
3.
4.
Binder A et al (2021) Morphological and molecular breast cancer profiling through explainable machine learning. Nat Mach Intell 3:355–366CrossRef
5.
Perincheri S et al (2021) An independent assessment of an artificial intelligence system for prostate cancer detection shows strong diagnostic accuracy. Mod Pathol 34:1588–1595CrossRef
6.
Bach S et al (2015) On pixel-wise explanations for non-linear classifier decisions by layer-wise relevance propagation. PLoS ONE 10:e130140CrossRef
7.
Samek W et al (2021) Explaining deep neural networks and beyond: a review of methods and applications. Proc IEEE 109(3):247–278CrossRef
8.
Holzinger A, Langs G, Denk H, Zatloukal K, Müller H (2019) Causability and explainability of artificial intelligence in medicine. Wiley Interdiscip Rev Data Min Knowl Discov 9:e1312CrossRef
9.
Hegde N et al (2019) Similar image search for histopathology: SMILY. NPJ Digit Med 2:56CrossRef
10.
Kalra S et al (2020) Pan-cancer diagnostic consensus through searching archival histopathology images using artificial intelligence. NPJ Digit Med 3:31CrossRef
11.
Hoberger M, Laffert M, Heim D, Klauschen F (2019) Histomorphological and molecular profiling: friends not foes! Morpho-molecular analysis reveals agreement between histological and molecular profiling. Histopathology 75:694–703CrossRef
12.
Capper D et al (2018) DNA methylation-based classification of central nervous system tumours. Nature 555:469–474CrossRef
13.
Jurmeister P et al (2019) Machine learning analysis of DNA methylation profiles distinguishes primary lung squamous cell carcinomas from head and neck metastases. Sci Transl Med 11:eaaw8513CrossRef
Metadaten
Titel
Künstliche Intelligenz als Lösung des PathologInnenmangels?
verfasst von
Dr. Philipp Jurmeister
Prof. Dr. Klaus-Robert Müller
Frederick Klauschen
Publikationsdatum
24.08.2022
Verlag
Springer Vienna
Erschienen in
Wiener klinisches Magazin / Ausgabe 1/2023
Print ISSN: 1869-1757
Elektronische ISSN: 1613-7817
DOI
https://doi.org/10.1007/s00740-022-00463-y

Weitere Artikel der Ausgabe 1/2023

Künstliche Intelligenz und Radiomics

Panorama

  • Panorama

Hoffen auf die Erleuchtung

  • Editorial

Handlungsalgorithmus: Fokussierte Sonographie und Echokardiographie

  • Notfallmedizin

Ein Kontrast zum täglichen Leben

  • aktuell

Spitzenchirurg und mehrfacher Wegbereiter

  • aktuell