Cargando…
Künstliche Intelligenz-unterstützte Behandlung in der Rheumatologie: Grundlagen, aktueller Stand und Ausblick
Computer-guided clinical decision support systems have been finding their way into practice for some time, mostly integrated into electronic medical records. The primary goals are to improve the quality of treatment, save time and avoid errors. These are mostly rule-based algorithms that recognize d...
Autores principales: | , |
---|---|
Formato: | Online Artículo Texto |
Lenguaje: | English |
Publicado: |
Springer Medizin
2021
|
Materias: | |
Acceso en línea: | https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8651581/ https://www.ncbi.nlm.nih.gov/pubmed/34618208 http://dx.doi.org/10.1007/s00393-021-01096-y |
_version_ | 1784611428425007104 |
---|---|
author | Hügle, Thomas Kalweit, Maria |
author_facet | Hügle, Thomas Kalweit, Maria |
author_sort | Hügle, Thomas |
collection | PubMed |
description | Computer-guided clinical decision support systems have been finding their way into practice for some time, mostly integrated into electronic medical records. The primary goals are to improve the quality of treatment, save time and avoid errors. These are mostly rule-based algorithms that recognize drug interactions or provide reminder functions. Through artificial intelligence (AI), clinical decision support systems can be disruptively further developed. New knowledge is constantly being created from data through machine learning in order to predict the individual course of a patient’s disease, identify phenotypes or support treatment decisions. Such algorithms already exist for rheumatological diseases. Automated image recognition and disease prediction in rheumatoid arthritis are the most advanced; however, these have not yet been sufficiently tested or integrated into existing decision support systems. Rather than dictating the AI-assisted choice of treatment to the doctor, future clinical decision systems are seen as hybrid decision support, always involving both the expert and the patient. There is also a great need for security through comprehensible and auditable algorithms to sustainably guarantee the quality and transparency of AI-assisted treatment recommendations in the long term. |
format | Online Article Text |
id | pubmed-8651581 |
institution | National Center for Biotechnology Information |
language | English |
publishDate | 2021 |
publisher | Springer Medizin |
record_format | MEDLINE/PubMed |
spelling | pubmed-86515812021-12-08 Künstliche Intelligenz-unterstützte Behandlung in der Rheumatologie: Grundlagen, aktueller Stand und Ausblick Hügle, Thomas Kalweit, Maria Z Rheumatol Leitthema Computer-guided clinical decision support systems have been finding their way into practice for some time, mostly integrated into electronic medical records. The primary goals are to improve the quality of treatment, save time and avoid errors. These are mostly rule-based algorithms that recognize drug interactions or provide reminder functions. Through artificial intelligence (AI), clinical decision support systems can be disruptively further developed. New knowledge is constantly being created from data through machine learning in order to predict the individual course of a patient’s disease, identify phenotypes or support treatment decisions. Such algorithms already exist for rheumatological diseases. Automated image recognition and disease prediction in rheumatoid arthritis are the most advanced; however, these have not yet been sufficiently tested or integrated into existing decision support systems. Rather than dictating the AI-assisted choice of treatment to the doctor, future clinical decision systems are seen as hybrid decision support, always involving both the expert and the patient. There is also a great need for security through comprehensible and auditable algorithms to sustainably guarantee the quality and transparency of AI-assisted treatment recommendations in the long term. Springer Medizin 2021-10-07 2021 /pmc/articles/PMC8651581/ /pubmed/34618208 http://dx.doi.org/10.1007/s00393-021-01096-y Text en © The Author(s) 2021 https://creativecommons.org/licenses/by/4.0/Open Access Dieser Artikel wird unter der Creative Commons Namensnennung 4.0 International Lizenz veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden. Die in diesem Artikel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen. Weitere Details zur Lizenz entnehmen Sie bitte der Lizenzinformation auf http://creativecommons.org/licenses/by/4.0/deed.de (https://creativecommons.org/licenses/by/4.0/) . |
spellingShingle | Leitthema Hügle, Thomas Kalweit, Maria Künstliche Intelligenz-unterstützte Behandlung in der Rheumatologie: Grundlagen, aktueller Stand und Ausblick |
title | Künstliche Intelligenz-unterstützte Behandlung in der Rheumatologie: Grundlagen, aktueller Stand und Ausblick |
title_full | Künstliche Intelligenz-unterstützte Behandlung in der Rheumatologie: Grundlagen, aktueller Stand und Ausblick |
title_fullStr | Künstliche Intelligenz-unterstützte Behandlung in der Rheumatologie: Grundlagen, aktueller Stand und Ausblick |
title_full_unstemmed | Künstliche Intelligenz-unterstützte Behandlung in der Rheumatologie: Grundlagen, aktueller Stand und Ausblick |
title_short | Künstliche Intelligenz-unterstützte Behandlung in der Rheumatologie: Grundlagen, aktueller Stand und Ausblick |
title_sort | künstliche intelligenz-unterstützte behandlung in der rheumatologie: grundlagen, aktueller stand und ausblick |
topic | Leitthema |
url | https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8651581/ https://www.ncbi.nlm.nih.gov/pubmed/34618208 http://dx.doi.org/10.1007/s00393-021-01096-y |
work_keys_str_mv | AT huglethomas kunstlicheintelligenzunterstutztebehandlunginderrheumatologiegrundlagenaktuellerstandundausblick AT kalweitmaria kunstlicheintelligenzunterstutztebehandlunginderrheumatologiegrundlagenaktuellerstandundausblick |