Seminar Empfehlung
Referent:in
Universitätsklinikum Carl Gustav Carus Dresden
Hämatologie, Zelltherapie und Medizinische Onkologie
Geschäftsführender Oberarzt, Facharzt für Innere Medizin, Hämatologie und Onkologie, Schwerpunkt: Stammzelltransplantation, Akute Leukämien, CLL, Leiter der Arbeitsgruppe „AI in Cancer“
Referent:in
LMU Klinikum München
Institut für Künstliche Intelligenz in der Medizin am LMU Klinikum München
Leitung des Lehrstuhls für KI-unterstützte Therapieentscheidungen an der LMU München
Referent:in
Universitätsklinikum Freiburg
Klinik für Diagnostische und Interventionelle Radiologie
Geschäftsführender Oberarzt, Schnittbildgebung, Leiter Imaging Informatics & Qualitätsmanagement
In dieser interdisziplinären Expertenrunde beleuchten Prof. Dr. Elmar Kotter (Freiburg), Prof. Dr. Jan Moritz Middeke (Dresden) und Prof. Dr. Björn Eskofier (München) das Thema „3in1 - KI in der Onkologie“ aus ihren jeweils hochspezialisierten Blickwinkeln.
Prof. Kotter erläutert, wie Radiolog:innen angesichts rasant wachsender Bilddatenmengen vor völlig neuen Herausforderungen stehen und weshalb KI-gestützte Medizinprodukte – inzwischen zahlreich von der FDA zugelassen – zunehmend zum integralen Bestandteil radiologischer Prozesse werden. Er zeigt konkrete Einsatzbereiche auf: von KI-basierter Bildakquisition mit Denoising- und Rekonstruktionsverfahren über MSK-Quantifizierung, Fraktur- und Metastasenerkennung bis hin zur automatisierten Erstellung strukturierter Befunde. Abschließend skizziert er die technologischen Perspektiven, die künftig die radiologische Diagnostik grundlegend verändern könnten.
Prof. Middeke richtet den Fokus auf die onkologische Anwendung künstlicher Intelligenz. Er diskutiert, wie hoch die Akzeptanz von KI im Gesundheitswesen derzeit ist und welche Voraussetzungen für einen sicheren, sinnvollen Einsatz erfüllt sein müssen. Im Zentrum stehen KI-Methoden der Precision Oncology, die komplexe molekulare Profile auswerten, Therapieentscheidungen unterstützen und zunehmend auch in der Hämatoonkologie Einzug halten.
Mit einem Blick auf die Zukunft ergänzt Prof. Eskofier die Diskussion um die technologische und gesundheitssystemische Dimension. Er erläutert den Stellenwert großer Basismodelle speziell für medizinische KI und zeigt auf, wie das „Internet of Health Things“ neue Formen von Real-World Evidence ermöglicht. Dabei betont er die Notwendigkeit leistungsfähiger Gesundheitsdatenräume, um Innovation und Datensicherheit gleichzeitig zu gewährleisten. Zudem geht er auf KI-gestützte Arzneimittelentwicklung sowie aktuelle ESMO-Leitlinien zum verantwortungsvollen Umgang mit KI in der Onkologie ein und zeichnet ein realistisches Bild kommender Entwicklungen.
Indikationen
Akute Leukämien
Multiples Myelom
Wirkstoffe
Azacitidin
Venetoclax
Schlagworte
Artificial Intelligence (AI)
Artificial Intelligence and Machine Learning (AI/ML)
Deep learning
Denoising
Frakturerkennung
KI-Medizinprodukte
künstliche Intelligenz (KI)
Large Language Models (LLM)
Lungenstrukturanalyse
Machine Learning (ML)
Pattern-Analyse