001049070 001__ 1049070
001049070 005__ 20251210075826.0
001049070 037__ $$aFZJ-2025-05163
001049070 082__ $$a610
001049070 1001_ $$0P:(DE-HGF)0$$aCaspers, Julian$$b0
001049070 245__ $$aKünstliche Intelligenz in der Radiologie: Von der experimentellen Phase zur produktiven Anwendung
001049070 260__ $$aKöln$$bDt. Ärzte-Verl.$$c2025
001049070 3367_ $$2DRIVER$$aarticle
001049070 3367_ $$2DataCite$$aOutput Types/Journal article
001049070 3367_ $$0PUB:(DE-HGF)16$$2PUB:(DE-HGF)$$aJournal Article$$bjournal$$mjournal$$s1765349883_19751
001049070 3367_ $$2BibTeX$$aARTICLE
001049070 3367_ $$2ORCID$$aJOURNAL_ARTICLE
001049070 3367_ $$00$$2EndNote$$aJournal Article
001049070 520__ $$aDie Diskussion um den Einsatz von Künstlicher Intelligenz (KI) in der Medizin und speziell in der Radiologie wird seit Jahren intensiv geführt. Geoffrey Hinton behauptete im Jahr 2016, dass die Ausbildung von Radiologinnen und Radiologen eingestellt werden sollte, da KI diese in fünf bis zehn Jahren überflüssig machen werde [1]. Im Jahr 2023 hat Hinton seine frühere Einschätzung teilweise zurückgenommen und bemerkt, er habe etwa um den Faktor 3 falsch gelegen. Er sei aber immer noch davon überzeugt, auf lange Sicht recht zu behalten [2]. Seit Hintons erster Äußerung hat sich vieles verändert. Während damals kaum KI-basierte Anwendungen verfügbar waren, gibt es mittlerweile eine Vielzahl zugelassener Medizinprodukte, die KI beinhalten. Ende 2024 führte die US-amerikanische Food and Drug Administration (FDA) auf ihrer Website 1 026 zugelassene KI-basierte Medizinprodukte – 777 davon entfielen auf den Bereich der Radiologie [3]. KI-Anwendungen in der Radiologie sind damit keine Spekulation mehr, sondern haben die klinische Praxis erreicht. Beispiele für relevante Anwendungsfelder sind unter anderem die KI-gestützte Frakturerkennung in Röntgenbildern [4] oder die Röntgen-Thorax-Diagnostik, bei der unter anderem eine Verbesserung der Detektionsrate relevanter Lungenrundherde [5] und eine Verkürzung der Befundungszeiten [6] belegt werden konnten. Dennoch ist festzustellen, dass die Verwendung radiologischer KI-Anwendungen in der medizinischen Routine, zumindest gemessen am Angebot, bislang wenig verbreitet ist. Gründe hierfür sind unter anderem finanzielle Faktoren [7] sowie die spärliche Validierung eines Mehrwerts [8]. Zudem hält die Implementierung mit der rasanten Entwicklung immer weniger Schritt. Schon jetzt lassen neue Möglichkeiten großer Sprachmodelle [9] sowie sogenannter „foundation models“ [10] die bestehende KI-Integration anachronistisch erscheinen. Parallel zur technischen Entwicklung haben sich die regulativen Rahmenbedingungen für medizinische KI in den vergangenen Jahren erheblich verändert, nicht zuletzt mit der KI-Verordnung der Europäischen Union von 2024. Dessen ungeachtet sind viele ethische und rechtliche Aspekte der Implementierung noch offen, und die Frage der Akzeptanz von KI-basierten Anwendungen in der Medizin ist bislang nur ansatzweise beantwortet. Der bekannte Gartner Hype Cycle [11] unterscheidet fünf Phasen der Aufmerksamkeit auf eine Technologie: Einem technologischen Auslöser folgen demnach zunächst ein Gipfel der überzogenen Erwartungen und ein Tal der Enttäuschungen, bevor der Pfad der Erleuchtung schließlich auf das Plateau der Produktivität führt. Ob wir uns langsam diesem Plateau annähern, wird man erst in Zukunft retrospektiv beurteilen können – dennoch scheint es sinnvoll, eine Zwischenbilanz zu ziehen.
001049070 536__ $$0G:(DE-HGF)POF4-5255$$a5255 - Neuroethics and Ethics of Information (POF4-525)$$cPOF4-525$$fPOF IV$$x0
001049070 588__ $$aDataset connected to DataCite
001049070 7001_ $$0P:(DE-Juel1)131897$$aKarger, Cornelia$$b1
001049070 7001_ $$0P:(DE-Juel1)131693$$aLangner, Robert$$b2
001049070 7001_ $$0P:(DE-Juel1)204586$$aWeißenfels, Silke$$b3
001049070 7001_ $$0P:(DE-HGF)0$$aGünther, Joana$$b4
001049070 7001_ $$0P:(DE-HGF)0$$aSpranger, Tade$$b5
001049070 7001_ $$0P:(DE-HGF)0$$aWagner, Roman$$b6
001049070 7001_ $$0P:(DE-HGF)0$$aLanzerath, Dirk$$b7
001049070 7001_ $$0P:(DE-Juel1)131678$$aEickhoff, Simon B.$$b8
001049070 7001_ $$0P:(DE-Juel1)166268$$aHeinrichs, Bert$$b9$$eCorresponding author
001049070 770__ $$aSonderausgabe KI
001049070 773__ $$0PERI:(DE-600)2406159-1$$p24-27$$tDeutsches Ärzteblatt international$$v112$$x1866-0452$$y2025
001049070 9101_ $$0I:(DE-588b)5008462-8$$6P:(DE-Juel1)131897$$aForschungszentrum Jülich$$b1$$kFZJ
001049070 9101_ $$0I:(DE-588b)5008462-8$$6P:(DE-Juel1)131693$$aForschungszentrum Jülich$$b2$$kFZJ
001049070 9101_ $$0I:(DE-588b)5008462-8$$6P:(DE-Juel1)204586$$aForschungszentrum Jülich$$b3$$kFZJ
001049070 9101_ $$0I:(DE-588b)5008462-8$$6P:(DE-Juel1)131678$$aForschungszentrum Jülich$$b8$$kFZJ
001049070 9101_ $$0I:(DE-HGF)0$$6P:(DE-Juel1)131678$$a HHU Düsseldorf$$b8
001049070 9101_ $$0I:(DE-588b)5008462-8$$6P:(DE-Juel1)166268$$aForschungszentrum Jülich$$b9$$kFZJ
001049070 9131_ $$0G:(DE-HGF)POF4-525$$1G:(DE-HGF)POF4-520$$2G:(DE-HGF)POF4-500$$3G:(DE-HGF)POF4$$4G:(DE-HGF)POF$$9G:(DE-HGF)POF4-5255$$aDE-HGF$$bKey Technologies$$lNatural, Artificial and Cognitive Information Processing$$vDecoding Brain Organization and Dysfunction$$x0
001049070 9141_ $$y2025
001049070 915__ $$0StatID:(DE-HGF)0100$$2StatID$$aJCR$$bDTSCH ARZTEBL INT : 2022$$d2025-01-07
001049070 915__ $$0StatID:(DE-HGF)0200$$2StatID$$aDBCoverage$$bSCOPUS$$d2025-01-07
001049070 915__ $$0StatID:(DE-HGF)0300$$2StatID$$aDBCoverage$$bMedline$$d2025-01-07
001049070 915__ $$0StatID:(DE-HGF)0199$$2StatID$$aDBCoverage$$bClarivate Analytics Master Journal List$$d2025-01-07
001049070 915__ $$0StatID:(DE-HGF)0160$$2StatID$$aDBCoverage$$bEssential Science Indicators$$d2025-01-07
001049070 915__ $$0StatID:(DE-HGF)0113$$2StatID$$aWoS$$bScience Citation Index Expanded$$d2025-01-07
001049070 915__ $$0StatID:(DE-HGF)0150$$2StatID$$aDBCoverage$$bWeb of Science Core Collection$$d2025-01-07
001049070 915__ $$0StatID:(DE-HGF)9905$$2StatID$$aIF >= 5$$bDTSCH ARZTEBL INT : 2022$$d2025-01-07
001049070 9201_ $$0I:(DE-Juel1)INM-7-20090406$$kINM-7$$lGehirn & Verhalten$$x0
001049070 980__ $$ajournal
001049070 980__ $$aVDB
001049070 980__ $$aI:(DE-Juel1)INM-7-20090406
001049070 980__ $$aUNRESTRICTED