• Die Zukunft des Gesundheitswesens: Wie kann Künstliche Intelligenz zur ärztlichen Versorgung beitragen?

    19.03.2024, 19:00 - 20:30 Uhr
    Live-Online
    jetzt anmelden
    Künstliche Intelligenz in der Medizin beeinflusst schon heute den Arbeitsalltag von Ärztinnen und Ärzten. Egal, ob Apps zur Früherkennung von Krankheiten oder personalisierte Krebstherapien: Intelligente System erweitern die Möglichkeit der Ärzteschaft erheblich.

    Die Veranstaltung möchte Sie auf den aktuellen Stand zum Thema Künstliche Intelligenz im Bereich der Medizin bringen und gemeinsam mit Ihnen über die Möglichkeiten und Grenzen von KI diskutieren.

    - Die Veranstaltung ist kostenfrei und wird aufgezeichnet -

    Veranstalter

    Marburger-Bund-Stiftung
    Haben Sie Fragen?
    Tel. 030-746846-28 | seminare@marburger-bund.de

     

    Anmeldung

    Hier anmelden.

    Referent

    Felix Rebitschek, ist Wissenschaftlicher Leiter und Geschäftsführer des Harding-Zentrums für Risikokompetenz an der Universität Potsdam sowie assoziierter Wissenschaftler am Max-Planck-Institut für Bildungsforschung. Seine Forschung zielt darauf ab, menschliches Entscheiden zu verbessern. Hierfür zeigt er, abhängig von der Natur des Problems, verständliche Darstellungen von Entscheidungsproblemen auf und ermittelt, welches Wissen von Betroffenen und Expert*innen benötigt wird, damit Algorithmen zur Entscheidungsunterstützung nützen.

    Moderation

    Dr. Peter Bobbert, Mitglied des Vorstands im Marburger Bund Bundesverband

    Programm

    Impuls 1

    20 Minuten Vortrag und anschliessende Diskussion

    Stand der weltweiten Forschung zum Patientennutzen durch algorithmische Entscheidungsunterstützung für Medizinerinnen und Mediziner:
    Ergebnisse eines Systematic Reviews (Stand Februar 2024)

    Impuls 2

    20 Minuten Vortrag und anschliessende Diskussion

    Bedingungen einer nutzenbringenden Implementierung von algorithmischer Entscheidungsunterstützung für Medizinerinnen und Mediziner.

    Algorithmenbedingungen

    • externe Validität durch robuste Modellierung
    • Verständliche Transparenz und Nachvollziehbarkeit
    • Fairness

     Menschliche Bedingungen

    • ärztliche Risikokompetenzen zur Interpretation von Algorithmenergebnissen
    • Informationsbedürfnisse der Patient*innen
    • Informierte Algorithmennutzung – Aufgaben der ärztlichen Risikokommunikation vor, während und nach dem Algorithmeneinsatz

    Organisationale Bedingungen

    • Rolle von Autonomie, Fehler- und Lernkulturen
    • Soziale Effekte, Normen und Harmonisierung