Zusammenfassung In den letzten 30 Jahren haben die Entwicklungen der Informations- und Kommunikationstechnologie zu einem nachhaltigen Wandel in nahezu allen Lebens- und Berufsbereichen geführt. Mit dem Fortschritt der künstlichen Intelligenz (KI) erreichen wir nun eine völlig neue Dimension, die absehbar zu erheblichen Veränderungen auch im Arbeitsfeld Radiologie führen wird. Viele Fragen sind zu klären: Was bedeutet KI für die Zukunft von Radiologen und MTRA? Welche Auswirkungen werden das MTA-Reformgesetz und die neue Berufsbezeichnung "Medizinische/r Technologin/e" haben? Brauchen wir ein neues Selbstverständnis von unserer Berufswelt? Wie müssen Ausbildungsinhalte angepasst werden, damit sich unser Beruf zukunftsfähig weiterentwickelt? Der Artikel gibt eine kurze Einführung in das Themenfeld "künstliche Intelligenz", skizziert den aktuellen Stand und beschreibt erste Lösungsansätze, wie sich die "digitale Transformation" auch für MTRA erfolgreich und sinnvoll umsetzen lässt. Schlüsselwörter: künstliche Intelligenz, KI, MTRA, Radiologie, digitale Transformation Abstract In the last 30 years, developments in information and communication technology have led to lasting changes in almost all areas of life and work.
Was ist in den nächsten Jahren zu erwarten? Artificial Intelligence in radiology What can be expected in the next few years? Der Radiologe volume 60, pages 64–69 ( 2020) Cite this article Zusammenfassung Klinisches/methodisches Problem Künstliche Intelligenz (KI) durchdringt immer mehr Felder der Radiologie. Ziel dieses Übersichtsartikels ist es, die zu erwartenden Entwicklungen in den nächsten 5 bis 10 Jahren zu zeigen sowie mögliche Vorteile und Risiken darzustellen. Radiologische Standardverfahren Aktuell wird jede Computertomographie (CT) mittels fest programmierter Algorithmen rekonstruiert. Pathologien werden vom Radiologen mit hohem zeitlichem Aufwand detektiert und mittels standardisierter Verfahren evaluiert. Methodische Innovationen KI kann bei all diesen Standardverfahren in der Zukunft Abhilfe schaffen. CT-Rekonstruktionen können mittels "generative adversarial networks" (GAN) deutlich verbessert werden. Histologien können mittels auf Radiomics oder Deep Learning (DL) basierter Bildanalyse bewertet und die Prognose des Patienten hoch individualisiert vorhergesagt werden.
Künstliche Intelligenz in der Diagnostik KI könnte Heilungschancen massiv verbessern Seite 2/2 Müssen Radiologen um ihren Job fürchten? Einmal trainiert, arbeitet die KI blitzschnell. Und könnte im Zweifel sogar Leben retten, etwa in der Notfallaufnahme von Krankenhäusern. Dort werden Patienten mit Verletzungen direkt per Computertomographen oder Röntgengerät untersucht. "Es kann beispielsweise sein, dass jemand eine Hirnblutung hat", sagt Nuance-Forscher Lenke. "Wenn man Pech hat, hat der Arzt erst nach zwei Stunden Zeit, sich das entsprechende Bild anzuschauen. " KI könnte hier direkt eine Diagnose liefern und die Chancen der Heilung massiv verbessern. Trotzdem geht es den Aachenern nicht darum, KI zum Chefarzt zu machen. "Wir wollen Radiologen helfen", sagt Lenke, "aber sie nicht ersetzen. " Viele Ärzte sehen die Technik jetzt schon als Erleichterung in einem Job, der viel Arbeit und Konzentration erfordert. Und je feinteiliger moderne CT- oder MRT-Geräte Organe vermessen, desto mehr Bilder gilt es zu sichten.
von Dr. med. Marianne Schoppmeyer, Medizinjournalistin,, Nordhorn Ein zentrales Zukunftsthema in der Diagnostischen Radiologie ist der Einsatz der Künstlichen Intelligenz (KI), der das Berufsbild des Radiologen massiv verändern wird. Dies zeigen zwei aktuelle Beispiele. Präzisere Bildgebung Am Universitätsklinikum Jena werden dank KI ganz neue Wege beschritten. Die Radiologen setzen KI – nach eigenen Angaben weltweit erstmalig – in der radiologischen Routine ein, um CT-Bilder zu rekonstruieren. Damit ist es möglich, CT-Aufnahmen mit höherer Bildschärfe zu erzeugen als mit den bisher zur Verfügung stehenden Methoden der Bildrekonstruktion. Grundlage der eingesetzten KI ist ein neuronales Netzwerk, das aus Erfahrungen lernt. Beim Prozess des Deep Learnings lernen die künstlichen Neuronen des Netzwerks entsprechend ihrem biologischen Vorbild durch intensives Training. Deshalb verbessert sich die Bildqualität mit jeder weiteren Aufnahme. Diese selbstlernende Software verbessert – bei gleicher Strahlendosis wie bisher – das Bildrauschen, sodass mehr diagnostische Sicherheit bei weniger Strahlung möglich erscheint.
3 Knoblauchzehen •. 400 g frische Tortellini mit Spinat-Ricotta Füllung, aus dem Kühlregal • 400 g Hackfleisch vom Schwein • 100 g frischer Baby-Spinat • 50 g getrocknete & in Öl eingelegte Tomaten • 1 Büffel Mozoarella • 75 g Parmesan • Salz & Pfeffer • Chiliflocken • 3 EL Olivenöl • ggf. etwas Zucker Falls ihr keine Kirschtomaten in Dosen bekommt {bei uns gibt es welche bei Edeka}, dann könnt ihr auch andere Tomaten in Dosen nehmen. Sie sollten allerdings eine gute, aromatische Qualität haben. Zubereitung der überbackenen Tortellini mit Fleischbällchen und Tomaten-Spinat-Sauce | Meatball Tortellini 1. Die Zwiebel pellen und fein würfeln und 1 Knoblauchzehe fein hacken. 2. 2 EL Olivenöl in einem Topf erhitzen und die Zwiebeln und den Knoblauch darin glasig anschwitzen. 3. Die Dosentomaten dazugeben und das Ganze ca. 30 Minuten leicht einköcheln lassen. Die Sauce mit Salz, Pfeffer und, je nach Geschmack, mit etwas Zucker abschmecken. Zwischendurch die ganzen Kirschtomaten etwas mit dem Rührlöffel zerdrücken, bis sie aufplatzen.
Dazu ein cremiger Burrata, köstlich! 4. 34 Sterne aus 3 Bewertungen Vorbereitungszeit 20 Min. Zubereitungszeit 25 Min. Gericht Hauptgericht Land & Region Italienisch Portionen 3 Personen Kalorien 570 kcal 400 g Tortellini 400 g gemischtes Gemüse, z. B. Paprika, Zucchini, Champignons, Kirschtomaten 6 EL gutes Olivenöl 1 TL zerstoßene Fenchelsamen ¼ TL Chiliflocken grobes Meersalz & Pfeffer 1 Spritzer Agavendicksaft 3 Zweige Thymian 1 Kugel Burrata 1 Bund frische Kräuter, z. Schnittlauch, glatte Petersilie, Dill, Koriander Backofen auf 200 Grad Ober-/Unterhitze vorheizen. Gemüse waschen, putzen und in ca. 2 cm große Stücke schneiden. In eine Auflaufform geben und mit dem Fenchel, Salz, Pfeffer, Agavendicksaft und 4 EL von dem Olivenöl vermischen. Optional die Chiliflocken dazu. Die Thymianzweige waschen, trocken schütteln und auf dem Gemüse verteilen. Das Gemüse dann im vorgeheizten Ofen auf der 2. Schiene von oben etwa 20-25 Min. garen. Zwischendurch umrühren. Während das Gemüse im Ofen ist, einen großen Topf mit Salzwasser zum Kochen bringen und die Tortellini darin nach Packungsanweisung etwa 3-4 Min.
Öl in einem Kochtopf erhitzen, die klein geschnittene Zwiebel mit Knoblauch und fein geschnittener Chilischote, darin hell anschwitzen. Mit dem Inhalt der gestückelten Tomaten (Pizzatomaten) samt Flüssigkeit ablöschen, die Kräuter und etwas Salz hinzu geben und alles, ohne Deckel, unter häufigem Rühren, zu einer sämigen Tomatensoße einkochen lassen, das dauert etwa 15 - 20 Minuten. Sollte die Soße noch zu dünn sein, ein bis zwei EL Tomatenmark und eine Prise Zucker in die Tomatensoße einrühren. Die Hackklösschen aus dem warmen Sud schöpfen, in die Tomatensoße geben. Nochmals gut nachwürzen. Zu diesem Gericht serviert man eine beliebige italienische Teigware und eine große Schüssel grünen Salat. Tipp: Die rohen Hackfleischklösschen kann man auch gleich am Anfang mit in die Tomatensoße geben und so in einem Topf alles gar kochen. Nur hat das Gericht dann einen größeren Fettanteil, weil das Fett vom Hackfleisch in die Soße austritt. Wenn die Tomaten im Sommer Saison haben, bietet es sich an, eine Tomatensoße mit frischen Tomaten zuzubereiten.