@inproceedings{GutbrodRauberPalm, author = {Gutbrod, Max and Rauber, David and Palm, Christoph}, title = {Improving Generalization in Mitotic Cell Detection via Domain Transformations}, series = {Bildverarbeitung f{\"u}r die Medizin 2025: Proceedings, German Conference on Medical Image Computing, L{\"u}beck March 15-17, 2026}, booktitle = {Bildverarbeitung f{\"u}r die Medizin 2025: Proceedings, German Conference on Medical Image Computing, L{\"u}beck March 15-17, 2026}, editor = {Handels, Heinz and Breininger, Katharina and Deserno, Thomas M. and Maier, Andreas and Maier-Hein, Klaus H. and Palm, Christoph and Tolxdorff, Thomas}, publisher = {Springer Vieweg}, address = {Wiesbaden}, doi = {10.1007/978-3-658-51100-5_71}, pages = {362 -- 367}, abstract = {We address domain generalization (DG) in mitotic-cell (MC) detection by combining a β-variational autoencoder (VAE) for domain transformations with feature-space alignment together with an object detector. The β-VAE synthesizes domain-transformed images, and the detector is trained to map originals and their transformed counterparts to equal representations. On the MIDOG++ dataset, this approach improves out-of-domain detection F1 scores by 7 and 3 percentage points compared to the color-variation augmentation and stain-normalization baselines. Results further suggest that morphology shifts hinder generalization more than stain shifts.}, subject = {K{\"u}nstliche Intelligenz}, language = {en} } @article{BuerknerWestner, author = {B{\"u}rkner, Leonhard and Westner, Markus}, title = {KI erfolgreich einf{\"u}hren: Status quo und Erfolgsfaktoren in deutschen Großunternehmen}, series = {Wirtschaftsinformatik \& Management}, journal = {Wirtschaftsinformatik \& Management}, publisher = {Springer}, doi = {10.1365/s35764-026-00593-6}, pages = {10}, abstract = {Viele deutsche Großunternehmen experimentieren derzeit intensiv mit k{\"u}nstlicher Intelligenz (KI), stehen aber vor der Frage, wie sich erste Pilotprojekte in einen nachhaltigen, wirtschaftlich wirksamen Einsatz {\"u}berf{\"u}hren lassen. Eine empirische Studie mit 34 Chief Information Officers (CIO) und IT-Entscheidern in deutschen Großunternehmen zeigt: 112 identifizierte KI-Use-Cases, ein klar erkennbarer Reifezuwachs - aber auch deutliche H{\"u}rden bei Daten, Kompetenzen und Akzeptanz. Der Beitrag fasst den Status quo zusammen, validiert zentrale Erfolgsfaktoren aus der Forschung und leitet konkrete Empfehlungen f{\"u}r die Praxis von IT- und Fachbereichsverantwortlichen ab.}, subject = {K{\"u}nstliche Intelligenz}, language = {de} } @misc{HaugCurrleWeber, author = {Haug, Sonja and Currle, Edda and Weber, Karsten}, title = {K{\"u}nstliche Intelligenz und Anamnese (KI-Anamnese) - Datens{\"a}tze Welle 1 und Welle 2 [Data set]}, doi = {10.5281/zenodo.18017447}, abstract = {Die Studie st{\"u}tzt sich auf eine Quotenstichprobe der deutschsprachigen Bev{\"o}lkerung im Alter von 18 bis 74 Jahren. Sie wurde als L{\"a}ngsschnittstudie (Trendstudie) mit insgesamt zwei Wellen mit dem gleichen Fragebogen durchgef{\"u}hrt. Welle 1 war vom 18. bis 24. November 2024 im Feld, die zweite Befragungswelle vom 13. bis 17. November 2025. Mit der Datenerhebung wurde das Umfrageinstitut NielsenIQ-GfK beauftragt. Je 1.000 Personen wurden online im Rahmen des GfK eBUS®-Deutschland befragt. Die Teilnehmenden wurden mithilfe einer Kombination aus Online- und Offline-Methoden rekrutiert. Um eine m{\"o}glichst genaue Abbildung der Grundgesamtheit zu gew{\"a}hrleisten, wurden die Merkmale Geschlecht, Alter, Region, Haushaltsgr{\"o}ße, Ortsgr{\"o}ße sowie der Bildungsstand des Haushaltsvorstands quotiert, etwaige Abweichungen durch ein iteratives Gewichtungsverfahren ausgeglichen. Der Fragebogen besteht aus neun standardisierten Fragen; zuz{\"u}glich wurden soziodemographische Merkmale erhoben. Einzelne Fragen wurden, zum Teil {\"u}bersetzt sowie abgewandelt, aus anderen Studien {\"u}bernommen.}, language = {de} } @techreport{Schultz, author = {Schultz, Maximilian}, title = {1.Bericht f{\"u}r das Regensburg Center of Health Sciences and Technology (RCHST)}, volume = {2024}, publisher = {OTH Regensburg}, address = {Regensburg}, doi = {10.35096/othr/pub-7312}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-73125}, pages = {17}, abstract = {Der vorliegende Bericht zeigt den aktuellen Stand des Projekts „K{\"u}nstliche Intelligenz f{\"u}r Nichtregierungsorganisationen (KINiro) - Bedarf, Akzeptanz und Umsetzungsm{\"o}glichkeiten" an der OTH Regensburg am Institut f{\"u}r Sozialforschung und Technikfolgenabsch{\"a}tzung (IST). Im Projektbericht wird das Projekt KINiro mit besonderem Blick auf die Erkenntnisse und T{\"a}tigkeiten im Gesundheitswesen aufgezeigt. Das Projekt KINiro wird mit Laufzeit Januar 2023 bis Dezember 2025 durch das Bundesministerium f{\"u}r Familie, Senioren, Frauen und Jugend (BMFSFJ) gef{\"o}rdert. Eine zus{\"a}tzliche Unterst{\"u}tzung bietet das Regensburg Center of Health Sciences and Technology (RCHST)}, language = {de} } @misc{HauerHaugScharfetal., author = {Hauer, Franziska and Haug, Sonja and Scharf, Anna and Schultz, Maximilian and Weber, Karsten}, title = {Quantitative Befragung zu K{\"u}nstlicher Intelligenz f{\"u}r Nichtregierungsorganisationen -Fragebogen und Codebuch}, address = {Regensburg}, doi = {10.35096/othr/pub-8706}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-87066}, pages = {25}, abstract = {K{\"u}nstliche Intelligenz (KI) stellt ein wichtiges Thema der Digitalisierung dar und hat das Potenzial viele Arbeitsfelder grundlegend zu ver{\"a}ndern. Mit dem Einsatz von KI wird die Hoffnung verbunden durch Automatisierung Zeit und Geld zu sparen. Dies k{\"o}nnte besonders interessant f{\"u}r Organisationen sein, die wenig Ressourcen zur Verf{\"u}gung haben, da sie nicht gewinnorientiert oder ehrenamtlich arbeiten. Dazu z{\"a}hlen Nichtregierungsorganisationen (NRO), die einen wichtigen Bestandteil der Zivilgesellschaft darstellen. Aufgrund der komplexer werdenden Arbeit von NROs scheint KI M{\"o}glichkeiten zur Bew{\"a}ltigung aktueller und zuk{\"u}nftiger Herausforderungen zu bieten. {\"U}ber den Einsatz von KI in NROs ist derzeit jedoch wenig bekannt. Es wurde eine quantitative Querschnittstudie deutscher Nichtregierungsorganisationen (NRO) zum Thema KI durchgef{\"u}hrt. Der Web-Survey baut auf den Erkenntnissen des Scoping Reviews und der qualitativen Interviews auf und vertieft den Einblick in die Bereiche aktuelle Nutzung von KI, Wissenstand in den Organisationen sowie vorhandene und noch ben{\"o}tigte Ressourcen. Daf{\"u}r wurden 343 NROs verschiedener Gr{\"o}ßen und Handlungsfelder befragt und die Ergebnisse quantitativ analysiert.}, language = {de} } @misc{CurrleHaugWeber, author = {Currle, Edda and Haug, Sonja and Weber, Karsten}, title = {K{\"u}nstliche Intelligenz und Anamnese (KI-Anamnese) — Fragebogen der Trendstudie zur Akzeptanz von KI in der Anamnese in Arztpraxen in Deutschland mit Codeplan}, address = {Regensburg}, doi = {10.35096/othr/pub-8707}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-87079}, pages = {5}, abstract = {Die Studie st{\"u}tzt sich auf eine Quotenstichprobe der deutschsprachigen Bev{\"o}lkerung im Alter von 18 bis 74 Jahren. Sie wurde als L{\"a}ngsschnittstudie (Trendstudie) mit insgesamt zwei Wellen mit dem gleichen Fragebogen durchgef{\"u}hrt. Welle 1 war vom 18. bis 24. November 2024 im Feld, die zweite Befragungswelle vom 13. bis 17. November 2025. Mit der Datenerhebung wurde das Umfrageinstitut NielsenIQ-GfK beauftragt. Je 1.000 Personen wurden online im Rahmen des GfK eBUS®-Deutschland befragt. Die Teilnehmenden wurden mithilfe einer Kombination aus Online- und Offline-Methoden rekrutiert. Um eine m{\"o}glichst genaue Abbildung der Grundgesamtheit zu gew{\"a}hrleisten, wurden die Merkmale Geschlecht, Alter, Region, Haushaltsgr{\"o}ße, Ortsgr{\"o}ße sowie der Bildungsstand des Haushaltsvorstands quotiert, etwaige Abweichungen durch ein iteratives Gewichtungsverfahren ausgeglichen. Der Fragebogen besteht aus neun standardisierten Fragen; zuz{\"u}glich wurden soziodemographische Merkmale erhoben. Einzelne Fragen wurden, zum Teil {\"u}bersetzt sowie abgewandelt, aus anderen Studien {\"u}bernommen.}, language = {de} } @article{CurrleHaugWeber, author = {Currle, Edda and Haug, Sonja and Weber, Karsten}, title = {Akzeptanz des Einsatzes von K{\"u}nstlicher Intelligenz im Anamneseprozess: Ergebnisse einer Bev{\"o}lkerungsbefragung in Deutschland}, series = {Zeitschrift f{\"u}r Evidenz, Fortbildung und Qualit{\"a}t im Gesundheitswesen}, volume = {198-199}, journal = {Zeitschrift f{\"u}r Evidenz, Fortbildung und Qualit{\"a}t im Gesundheitswesen}, publisher = {Elsevier}, doi = {10.1016/j.zefq.2025.10.003}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-86715}, pages = {9 -- 17}, abstract = {Hintergrund und Zielsetzung Zunehmend werden digitale Anamneseverfahren, wie z. B. Chatbots, entwickelt und evaluiert, sind jedoch in Arztpraxen in Deutschland noch nicht fl{\"a}chendeckend implementiert. Ziel dieser Arbeit ist die Erhebung der Akzeptanz der Bev{\"o}lkerung in Deutschland gegen{\"u}ber KI-gest{\"u}tzten Verfahren im Anamneseprozess, durch die es m{\"o}glich wird, R{\"u}ckschl{\"u}sse auf die Nutzung der Verfahren und ihre Eignung als Bestandteil von Digitalisierungsstrategien der Praxen zu ziehen. Methode Die Studie basiert auf einer Onlinebefragung der Bev{\"o}lkerung in Deutschland (Feldphase 18.-24.11.2024, n = 1.000). Zur{\"u}ckgehend auf die „Unified Theory of Acceptance and Use of Technology" (UTAUT) wurden drei zentrale Hypothesen zur Nutzung von K{\"u}nstlicher Intelligenz (KI) im Anamneseprozess aufgestellt und mit linearen Regressionsmodellen getestet. Ergebnisse Die Akzeptanz f{\"u}r die Nutzung von KI-gest{\"u}tzten Systemen f{\"a}llt in beiden untersuchten Szenarien, der Nutzung eines Chatbots zu Hause und der Nutzung eines Chatbots in einer Arztpraxis, hoch aus. Dabei best{\"a}tigen sich die erwarteten Zusammenh{\"a}nge von Leistungserwartung, Aufwandserwartung und erwartetem Sozialem Einfluss mit der Verhaltensabsicht, einen Chatbot in der Arztpraxis oder vor dem Besuch einer Arztpraxis zu nutzen. Die Einfl{\"u}sse von Alter, Geschlecht oder Erfahrung mit der Technologie zeigen jedoch nicht die vermuteten Zusammenh{\"a}nge. Diskussion und Schlussfolgerung Die Praktikabilit{\"a}t ist von entscheidender Bedeutung f{\"u}r eine positive Einstellung gegen{\"u}ber der Nutzung. Dabei zeigt sich kein Unterschied zwischen den Geschlechtern. Bei der Implementierung von Chatbots im Anamneseprozess sollten die Aspekte Praktikabilit{\"a}t, Datenschutz und Datensicherheit eine wesentliche Rolle spielen. Angesichts der Tatsache, dass ein großer Teil der {\"a}lteren Bev{\"o}lkerung in Deutschland nach wie vor {\"u}ber begrenzte Erfahrung mit digitalen Technologien verf{\"u}gt, ist Gebrauchstauglichkeit f{\"u}r diese Bev{\"o}lkerungsgruppe sowie f{\"u}r Menschen mit Beeintr{\"a}chtigungen von hoher Relevanz.}, language = {de} } @misc{CurrleHaugWeber, author = {Currle, Edda and Haug, Sonja and Weber, Karsten}, title = {Artificial Intelligence and anamnesis: Results of a population survey}, doi = {10.13140/RG.2.2.31952.01285}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-83325}, abstract = {Digital procedures are increasingly implemented to enhance efficiency in healthcare, with Artificial Intelligence (AI) — particularly chatbot s— showing significant potential for future applications. However, little is known about patients' acceptance of such technologies. The study "AI and Anamnesis" addresses this gap by investigating the German population's acceptance of and willingness to use AI-driven technologies for digital anamnesis. This poster presents results from the first wave of the survey, offering initial insights into public attitudes and potential barriers to adoption.}, subject = {K{\"u}nstliche Intelligenz}, language = {en} } @inproceedings{HauerSchultzHaugetal., author = {Hauer, Franziska and Schultz, Maximilian and Haug, Sonja and Weber, Karsten}, title = {Acceptance and Usage of AI Applications in Health-Focused NGOs}, series = {dHealth 2025, Proceedings of the 19th Health Informatics Meets Digital Health Conference}, booktitle = {dHealth 2025, Proceedings of the 19th Health Informatics Meets Digital Health Conference}, editor = {Baumgartner, Martin and Hayn, Dieter and Pfeifer, Bernhard and Schreier, G{\"u}nter}, publisher = {IOS Press}, address = {Wien}, isbn = {978-1-64368-592-2}, doi = {10.3233/SHTI250172}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-80613}, pages = {123 -- 128}, abstract = {Background: AI applications promise to be a valuable tool for healthfocused NGOs. While often operating with limited resources, these organizations recognize the potential of AI to streamline processes and support workflows through automation. However, challenges such as data privacy concerns—especially regarding personal medical data—and the low prioritization of implementation hinder progress. Objectives: This study examines the extent to which German health-focused NGOs can currently benefit from the application of AI. It evaluates demands, available resources, and use cases. Methods: A health-focused subset of data from project KINiro was analyzed. This research utilized a mixed-methods approach, combining two rounds of qualitative interviews with a quantitative survey. Results: The study revealed that while health-focused NGOs are in the early stages of AI implementation, there are hurdles such as ethical concerns and a lack of resources. Conclusion: AI has the potential to support health-focused NGOs in their work, if the challenges like resources, ethics, and data privacy are effectively addressed.}, language = {en} } @techreport{SchultzHauerHaugetal., type = {Working Paper}, author = {Schultz, Maximilian and Hauer, Franziska and Haug, Sonja and Weber, Karsten}, title = {KINiro, K{\"u}nstliche Intelligenz f{\"u}r Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsm{\"o}glichkeiten. 4. Arbeitspapier: K{\"u}nstliche Intelligenz in Nichtregierungsorganisationen: In-depth-Interviews}, address = {Regensburg}, organization = {Ostbayerische Technische Hochschule (OTH) Regensburg / Institut f{\"u}r Sozialforschung und Technikfolgenabsch{\"a}tzung (IST)}, doi = {10.13140/RG.2.2.25460.46720}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-79471}, pages = {128}, abstract = {Vor dem Hintergrund der wachsenden Bedeutung K{\"u}nstlicher Intelligenz (KI) in unterschiedlichen gesellschaftlichen Kontexten untersucht dieses Arbeitspapier aus dem Projekt KINiro den Einsatz, die Bedarfe sowie die Akzeptanz von KI in Nichtregierungsorganisationen (NROs). Im Rahmen des Projekts „KINiro - Bedarf, Akzeptanz und Umsetzungsm{\"o}glichkeiten" wurden zehn vertiefende Expert*innen-Interviews mit Vertreter*innen verschiedener NROs gef{\"u}hrt. Ziel war es, ein differenziertes und vertiefendes Verst{\"a}ndnis von Wissen, ben{\"o}tigten und vorhandenen Ressourcen, organisatorischen Strukturen, Umsetzungsm{\"o}glichkeiten und das Erheben von Akzeptanz und die Gr{\"u}nde f{\"u}r Nicht-Akzeptanz zu erheben. Das Arbeitspapier ist das vierte in dem Projekt und baut auf den Erkenntnissen des Scoping Reviews, der ersten qualitativen Studie und der großen quantitativen Studie auf. Die Ergebnisse zeigen, dass das Interesse an KI in NROs stark zugenommen hat, insbesondere nach der breiten Verf{\"u}gbarkeit von KI-Anwendungen wie ChatGPT. Die befragten Organisationen experimentieren aktuell mit KI vorwiegend in den Bereichen Textproduktion, Datenanalyse, Wissensmanagement und Prozessoptimierung. Es werden auch spezielle KI-Anwendungen f{\"u}r die Bedarfe der NROs entwickelt und eingesetzt. Zugleich bestehen jedoch große Herausforderungen, insbesondere begrenzte finanzielle und personelle Ressourcen, fehlendes Know-how und der Mangel an Digitalisierung. Datenschutz und ethische Fragestellungen sowie m{\"o}gliche Verzerrungen (Bias) sind zentrale Bedenken. Dennoch lassen sich erste erfolgreiche Umsetzungsstrategien erkennen, etwa die Bildung interner Arbeitsgruppen, die Unterst{\"u}tzung durch F{\"u}hrungskr{\"a}fte, auch gezielte Schulungen sowie die Entwicklung von Leitlinien werden positiv bewertet. Diese Ans{\"a}tze tragen dazu bei, Vorbehalte abzubauen und Akzeptanz zu f{\"o}rdern. Das Arbeitspapier zeigt damit, wie die vorherigen Arbeitspapiere, dass KI im gemeinwohlorientierten Sektor grunds{\"a}tzlich auf Offenheit trifft, zugleich aber ein breites Spektrum an Voraussetzungen wie Ressourcen, Know-how, rechtliche Rahmenbedingungen und nutzbare Anwendungen ben{\"o}tigt werden, um das volle Potenzial von KI verantwortungsvoll auszunutzen.}, language = {de} } @article{SchulzePalmKerschbaumetal., author = {Schulze, Elke and Palm, Christoph and Kerschbaum, Maximilian and Seidel, Roman and Lehmann, Lars and Koller, Michael and Pfingsten, Andrea}, title = {KI-gest{\"u}tzte Untersuchung in der nicht-operativen Versorgung symptomgebender Erkrankungen des Kniegelenks - ein multiprofessionelles Konzept (KINEESIO)}, series = {MSK - Muskuloskelettale Physiotherapie}, volume = {28}, journal = {MSK - Muskuloskelettale Physiotherapie}, number = {5}, publisher = {Thieme}, issn = {2701-6986}, doi = {10.1055/a-2402-9982}, pages = {312 -- 321}, abstract = {Beschwerdebilder am Kniegelenk aufgrund muskuloskelettaler degenerativer oder verletzungsbedingter Erkrankungen sind h{\"a}ufig, nehmen im Alter zu und sind mit der steigenden Inanspruchnahme {\"a}rztlicher und therapeutischer Behandlungsmaßnahmen verbunden. Einer erfolgreichen Therapie gehen oft notwendige zeit- und ressourcenaufwendige Untersuchungen zur Erkennung und Differenzierung der patient*innenspezifischen Problematik voraus. Im Zusammenhang mit der nicht-operativen Versorgung des Kniegelenks hat ein sektor{\"u}bergreifendes multiprofessionelles Forschungsteam ein Konzept entwickelt, um k{\"u}nstliche neuronale Netze so zu trainieren, dass sie bei der {\"a}rztlichen und physiotherapeutischen Untersuchung unterst{\"u}tzend Einsatz finden k{\"o}nnen. Denn gerade in der Erfassung und Auswertung umfassender Datenmengen liegen große Potenziale in der K{\"u}nstlichen Intelligenz (KI) im Gesundheitswesen. Das Projekt KINEESIO trainiert und testet KI-gest{\"u}tzte Screening- Tools zur Untersuchung von Patient*innen mit Kniegelenkerkrankungen. Diese unterst{\"u}tzen die Abl{\"a}ufe zwischen Leistungserbringern und Patient*innen, tragen zu einer verbesserten Differenzierung individueller Beschwerdebilder bei und dienen Entscheidungsprozessen f{\"u}r eine ad{\"a}quate Versorgung. Dadurch sollen Ressourcen im Gesundheitswesen geschont und eine qualitativ hochwertige Therapie ausreichend erm{\"o}glicht werden.}, language = {de} } @article{GarkischGoldkind, author = {Garkisch, Michael and Goldkind, Lauri}, title = {Considering a Unified Model of Artificial Intelligence Enhanced Social Work: A Systematic Review}, series = {Journal of Human Rights and Social Work}, journal = {Journal of Human Rights and Social Work}, publisher = {Springer Nature}, doi = {10.1007/s41134-024-00326-y}, pages = {20}, abstract = {Social work, as a human rights-based profession, is globally recognized as a profession committed to enhancing human well-being and helping meet the basic needs of all people, with a particular focus on those who are marginalized vulnerable, oppressed, or living in poverty. Artificial intelligence (AI), a sub-discipline of computer science, focuses on developing computers with decision-making capacity. The impacts of these two disciplines on each other and the ecosystems that social work is most concerned with have considerable unrealized potential. This systematic review aims to map the research landscape of social work AI scholarship. The authors analyzed the contents of 67 articles and used a qualitative analytic approach to code the literature, exploring how social work researchers investigate AI. We identified themes consistent with Staub-Bernasconi's triple mandate, covering profession level, social agency (organizations), and clients. The literature has a striking gap or lack of empirical research about AI implementations or using AI strategies as a research method. We present the emergent themes (possibilities and risks) from the analysis as well as recommendations for future social work researchers. We propose an integrated model of Artificial Intelligence Enhanced Social Work (or "Artificial Social Work"), which proposes a marriage of social work practice and artificial intelligence tools. This model is based on our findings and informed by the triple mandate and the human rights framework.}, subject = {K{\"u}nstliche Intelligenz}, language = {en} } @incollection{JaritzMarx, author = {Jaritz, Sabine and Marx, Susanne}, title = {Externe Begleitung f{\"u}r KI-Projekte in KMUs}, series = {KI in der Projektwirtschaft 2: Eine neue {\"A}ra der Effizienz und Innovation}, booktitle = {KI in der Projektwirtschaft 2: Eine neue {\"A}ra der Effizienz und Innovation}, editor = {Bernert, Christian and Scheuerer, Steffen and Wehnes, Harald}, publisher = {UKV}, address = {T{\"u}bingen}, isbn = {978-3-381-11141-1}, doi = {10.24053/9783381111428}, pages = {15 -- 25}, abstract = {Dieser Beitrag befasst sich mit der Rolle externer Unterst{\"u}tzungsangebote in der Umsetzung von Projekten zur Nutzung von K{\"u}nstlicher Intelligenz (KI) im Mittelstand. W{\"a}hrend Großunternehmen Mittel und Ressourcen haben, externe Beratungsleistungen einzukaufen, um sich bei KI-Themen unterst{\"u}tzen zu lassen, so haben kleine und mittlere Unternehmen (KMUs) diese M{\"o}glichkeit in der Regel nur eingeschr{\"a}nkt. Die Nachfrage nach Support, um f{\"u}r das KI-Zeitalter ger{\"u}stet zu sein, ist auch bei KMUs groß. Der Artikel bietet einen {\"U}berblick {\"u}ber die verschiedenen Anbietergruppen und ihre unterschiedlichen Angebotsformen f{\"u}r KMUs. Dazu werden im ersten Schritt diverse Angebotsformen, wie Wissensvermittlung mit Hilfe von Informationsmaterialien und Veranstaltungen, Erstgespr{\"a}che, Potenzialanalysen, individuelle Beratung bei KI-Projekten und Vernetzung, auf Basis einer Desk-Research erfasst. Im zweiten Schritt wird sich dann auf individuelle Beratung von KMUs als spezifische Angebotsform fokussiert. Durch Tiefeninterviews mit KI-Beratern wird beleuchtet, welche Art von KI-Projekten von KMUs derzeit priorisiert werden und welche zentralen Aufgaben die externen Begleitungen dabei {\"u}bernehmen.}, language = {de} } @incollection{Jaritz, author = {Jaritz, Sabine}, title = {KI in der Projektmanagement-Lehre}, series = {KI in der Projektwirtschaft: Was ver{\"a}ndert sich durch KI im Projektmanagement?}, booktitle = {KI in der Projektwirtschaft: Was ver{\"a}ndert sich durch KI im Projektmanagement?}, editor = {Bernert, Christian and Scheurer, Steffen and Wehnes, Harald}, publisher = {UKV}, address = {T{\"u}bingen}, isbn = {978-3-381-11131-2}, doi = {10.24053/9783381111329}, pages = {201 -- 210}, abstract = {Der Artikel besch{\"a}ftigt sich mit dem Einbezug von K{\"u}nstlicher Intelligenz (KI) in die Projektmanagement-Lehre an Hochschulen. Um zeitgem{\"a}ße Projektmanagement-Lehre anbieten zu k{\"o}nnen, ist es f{\"o}rderlich, KI in die Lehre einzubeziehen, und so Studierende bei der Entwicklung von Future Skills zu unterst{\"u}tzen. Die Integration von KI in die Lehre wird anhand von vier Handlungsfeldern aufgezeigt. Im Sinne eines Call-to-Action wird ermutigt, KI-bezogene Lernziele explizit zu definieren und diese mit den Pr{\"u}fungsleistungen und den Lehr-/Lernaktivit{\"a}ten entsprechend des vorgestellten didaktischen Ansatzes des Constructive Alignment aufeinander abzustimmen. Es werden drei Good-Practice-Beispiele vorgestellt, die als Anregung dienen sollen. Der Beitrag pl{\"a}diert f{\"u}r Experimente im Zusammenhang mit dem Einsatz von KI in der Lehre. Durch experimentelles Lernen k{\"o}nnen Studierende Kompetenzen im Umgang mit KI aufbauen und sich so auf eine k{\"u}nftige Arbeitswelt vorbereiten, die von Projektarbeit und KI-Unterst{\"u}tzung gepr{\"a}gt sein wird.}, language = {de} } @techreport{HauerHaugSchultzetal., type = {Working Paper}, author = {Hauer, Franziska and Haug, Sonja and Schultz, Maximilian and Scharf, Anna and Weber, Karsten}, title = {KINiro, K{\"u}nstliche Intelligenz f{\"u}r Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsm{\"o}glichkeiten. 3. Arbeitspapier: K{\"u}nstliche Intelligenz in Nichtregierungsorganisationen: Quantitative Erforschung der Umsetzung in deutschen NROs}, publisher = {OTH Regensburg}, address = {Regensburg}, doi = {10.13140/RG.2.2.11094.66883}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-73518}, pages = {105}, abstract = {Hintergrund und Fragestellung K{\"u}nstliche Intelligenz (KI) stellt ein wichtiges Thema der Digitalisierung dar und hat das Potenzial viele Arbeitsfelder grundlegend zu ver{\"a}ndern. Mit dem Einsatz von KI wird die Hoffnung verbunden durch Automatisierung Zeit und Geld zu sparen. Dies k{\"o}nnte besonders interessant f{\"u}r Organisationen sein, die wenig Ressourcen zur Verf{\"u}gung haben, da sie nicht gewinnorientiert oder ehrenamtlich arbeiten. Dazu z{\"a}hlen Nichtregierungsorganisationen (NRO), die einen wichtigen Bestandteil der Zivilgesellschaft darstellen. Aufgrund der komplexer werdenden Arbeit von NROs scheint KI M{\"o}glichkeiten zur Bew{\"a}ltigung aktueller und zuk{\"u}nftiger Herausforderungen zu bieten. {\"U}ber den Einsatz von KI in NROs ist derzeit jedoch wenig bekannt. Methodik Es wurde eine quantitative Querschnittstudie deutscher Nichtregierungsorganisationen (NRO) zum Thema KI durchgef{\"u}hrt. Der Web-Survey baut auf den Erkenntnissen des Scoping Reviews und der qualitativen Interviews auf und vertieft den Einblick in die Bereiche aktuelle Nutzung von KI, Wissenstand in den Organisationen sowie vorhandene und noch ben{\"o}tigte Ressourcen. Daf{\"u}r wurden 343 NROs verschiedener Gr{\"o}ßen und Handlungsfelder befragt und die Ergebnisse quantitativ analysiert. Ergebnisse Die meisten NROs sind der Anwendung von KI gegen{\"u}ber positiv eingestellt und planen den Einsatz f{\"u}r die Zukunft oder testen ihn bereits. Daf{\"u}r werden meist schnell umsetzbare, externe Anwendungen wie Schreibunterst{\"u}tzungen oder Text{\"u}bersetzung f{\"u}r B{\"u}rot{\"a}tigkeiten in den Arbeitsablauf eingebaut. Diese Nutzung beschr{\"a}nkt sich h{\"a}ufig auf erste Versuche und wird durch interessierte Einzelpersonen vorangetrieben. F{\"u}r gr{\"o}ßere Umsetzung fehlen h{\"a}ufig Zeit, Geld und Wissen. Da die NROs selbst erwarten, dass die Nutzung von KI in den n{\"a}chsten Jahren zunehmen wird, werden mehr Wissensaufbau und Austausch in den Organisationen notwendig. Schlussfolgerung Das Interesse an der Thematik scheint in der Zielgruppe vorhanden zu sein, wie die hohe Teilnahmebereitschaft nahelegt. Doch handelt es sich um ein eher neues Thema f{\"u}r die NROs, sodass der Einsatz noch getestet wird und feste Strukturen, welche die Anwendung systematisieren und regeln noch aufgebaut werden m{\"u}ssen. Um dies zu erm{\"o}glichen, sind mehr Wissen, Richtlinien und finanzielle Ressourcen notwendig. Die Umsetzung hat in den NROs jedoch wenig Priorit{\"a}t, da zun{\"a}chst andere H{\"u}rden {\"u}berwunden werden m{\"u}ssen.}, language = {de} } @techreport{SchultzScharfHaueretal., type = {Working Paper}, author = {Schultz, Maximilian and Scharf, Anna and Hauer, Franziska and Haug, Sonja and Weber, Karsten}, title = {KINiro, K{\"u}nstliche Intelligenz f{\"u}r Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsm{\"o}glichkeiten. 2. Arbeitspapier: K{\"u}nstliche Intelligenz in Nichtregierungsorganisationen: Explorative Studie in einem neuen Forschungsfeld}, publisher = {OTH Regensburg}, address = {Regensburg}, doi = {10.13140/RG.2.2.10671.75685/1}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-73118}, pages = {35}, abstract = {Hintergrund und Fragestellung Nichtregierungsorganisationen (NRO) sind ein wichtiger Bestandteil der Zivilgesellschaft und interagieren auch mit Regierungen, Unternehmen und anderen gesellschaftlichen Akteuren. Aufgrund der komplexer werdenden Arbeit von NROs scheint K{\"u}nstliche Intelligenz (KI) M{\"o}glichkeiten zur Bew{\"a}ltigung aktueller und zuk{\"u}nftiger Herausforderungen zu bieten. Jedoch ist wenig {\"u}ber die Arbeit von NROs mit KI bekannt. Methodik Es wurden f{\"u}nf explorative Interviews mit Vertreter*innen von Nichtregierungsorganisationen (NROs) zum Thema Wissen, Akzeptanz, Bedarfe und Risikoeinsch{\"a}tzungen gef{\"u}hrt und ausgewertet. Dabei sind NROs aus verschiedenen Handlungsfeldern und Gr{\"o}ße interviewt. Es wurden informelle Vorgespr{\"a}che gef{\"u}hrt, um eine erste Orientierung im Forschungsfeld zu generieren. Aus den Erkenntnissen der Vorgespr{\"a}che und den Ergebnissen des Scoping Reviews ist ein Leitfaden erstellt worden, der zur Orientierung f{\"u}r die Expert*inneninterviews dient. Im Anschluss wurden dann f{\"u}nf explorative leitfadengest{\"u}tzte Expert*inneninterviews durchgef{\"u}hrt und qualitativ ausgewertet. Ergebnisse Ein zentraler Befund ist, dass das Thema KI gerade in den NROs ankommt und es noch keine gefestigten Strukturen und Vorstellungen zum Einsatz von KI gibt. KI wird in einzelnen spezifischen Projekten eingesetzt, ohne dass diese umfassend in Arbeitsabl{\"a}ufe integriert ist. Die Akzeptanz von KI ist generell positiv; die Technologie wird als potenzielle L{\"o}sung f{\"u}r strukturelle Herausforderungen und Unterst{\"u}tzung im Alltag gesehen. Die Nutzung von KI-Anwendungen beschr{\"a}nkt sich jedoch mit Ausnahme von Large Language Models auf Pilotprojekte. Mit j{\"u}ngerem Alter und Techni� kaffinit{\"a}t ist eine h{\"o}here Akzeptanz verbunden. Besonders kritisch werden Anwendungen von KI im Sozial- oder Gesundheitsbereich als Ersatz f{\"u}r menschliche Interaktionen gesehen. Betont werden auch ethische Bedenken und eine hohe Bedeutsamkeit von Datenschutz. Schlussfolgerung K{\"u}nstliche Intelligenz in Nichtregierungsorganisationen ist ein aufkommendes und sich entwickelndes Forschungsthema. Die Interviews unterstreichen den Bedarf an mehr Wissen, ethischen Richtlinien und finanziellen Ressourcen f{\"u}r eine effektive Nutzung von KI in NROs. Ein umfassendes Verst{\"a}ndnis von KI und eine tiefergehende, systematische Integration in Arbeitsabl{\"a}ufe in diesen Organisationen m{\"u}ssen noch entwickelt werden.}, language = {de} } @techreport{ScharfHauerSchultzetal., type = {Working Paper}, author = {Scharf, Anna and Hauer, Franziska and Schultz, Maximilian and Haug, Sonja and Weber, Karsten}, title = {KINiro, K{\"u}nstliche Intelligenz f{\"u}r Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsm{\"o}glichkeiten. 1. Arbeitspapier: K{\"u}nstliche Intelligenz in Nichtregierungsorganisationen: Ein Scoping Review {\"u}ber ein junges Forschungsfeld}, publisher = {OTH Regensburg}, address = {Regensburg}, doi = {10.13140/RG.2.2.21668.69765}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-73090}, pages = {24}, abstract = {Hintergrund und Fragestellung Nichtregierungsorganisationen (NRO) sind ein wichtiger Bestandteil der Zivilgesellschaft und interagieren auch mit Regierungen, Unternehmen und anderen gesellschaftlichen Akteuren. Aufgrund der komplexer werdenden Arbeit von NROs scheint K{\"u}nstliche Intelligenz (KI) M{\"o}glichkeiten zur Bew{\"a}ltigung aktueller und zuk{\"u}nftiger Herausforderungen zu bieten. Jedoch ist wenig {\"u}ber die Arbeit von NROs mit KI bekannt. Daher besch{\"a}ftigt sich das Projekt KINiro in diesem ersten Working Paper mit der Frage, welche (nicht-)wissenschaftlichen Erkenntnisse zum Themenkomplex NROs und KI bereits vorliegen. Methodik Es wurde ein Scoping Review zur Erfassung (nicht-)wissenschaftlicher Texte zu NROs und KI durchgef{\"u}hrt. Die systematische Literaturrecherche wurde in den Datenbanken Web of Science, Science Gate und WISO durchgef{\"u}hrt. In den Review wurden schließlich 14 Titel eingeschlossen und qualitativ analysiert. Ergebnisse Die Mehrheit der gefundenen Treffer sind Pressemitteilungen. Unter den Treffern befinden sich lediglich zwei (wissenschaftliche) Studien. Die NROs setzen sich auf verschiedenen Ebenen mit der Thematik von KI auseinander, wobei sich zwei Herangehensweisen unterscheiden lassen. Einige NROs nehmen am gesellschaftlichen Diskurs {\"u}ber den Einsatz von KI teil und treiben diesen in theoretischer Hinsicht voran, ohne die Technik dabei selbst zu nutzen. Andere NROs integrieren die KI-Systeme praktisch in ihre Arbeitsabl{\"a}ufe oder f{\"u}hren Projekte zum Zweck der NRO mit KI-Unterst{\"u}tzung durch. F{\"u}r die Entwicklung von KI-Anwendungen wird mit For-Profit-Unternehmen kooperiert und die Expertise der Unternehmen mit Daten der NROs kombiniert. Durch den Einsatz von KI erhoffen sich NROs einen gezielteren Einsatz von Ressourcen. Hierbei zeigt sich, dass f{\"u}r die Nutzung in KI-Systemen ein interdisziplin{\"a}rer Konsens {\"u}ber Standards in Datenerhebung und Speicherung als notwendig angesehen wird. Schlussfolgerung Aus der geringen Anzahl an gefundenen Texten, insbesondere (wissenschaftlichen) Studien, und dem Ver{\"o}ffentlichungszeitraum, der in den vergangenen sieben Jahren liegt, l{\"a}sst sich schließen, dass es sich um einen jungen Forschungsbereich handelt. Die ausgeschlossenen Titel zeigen auf, dass NROs aktuell noch h{\"a}ufiger mit der Digitalisierunge allgemein besch{\"a}ftigt sind und die Auseinandersetzung mit KI erst noch am Anfang steht.}, language = {de} } @misc{ScheppachMendelProbstetal., author = {Scheppach, Markus W. and Mendel, Robert and Probst, Andreas and Nagl, Sandra and Meinikheim, Michael and Yip, Hon Chi and Lau, Louis Ho Shing and Chiu, Philip Wai Yan and Palm, Christoph and Messmann, Helmut and Ebigbo, Alanna}, title = {Effekt eines K{\"u}nstliche Intelligenz (KI) - Algorithmus auf die Gef{\"a}ßdetektion bei third space Endoskopien}, series = {Zeitschrift f{\"u}r Gastroenterologie}, volume = {61}, journal = {Zeitschrift f{\"u}r Gastroenterologie}, number = {08}, publisher = {Thieme}, address = {Stuttgart}, doi = {10.1055/s-0043-1771980}, pages = {e528-e529}, abstract = {Einleitung Third space Endoskopieprozeduren wie die endoskopische Submukosadissektion (ESD) und die perorale endoskopische Myotomie (POEM) sind technisch anspruchsvoll und gehen mit untersucherabh{\"a}ngigen Komplikationen wie Blutungen und Perforationen einher. Grund hierf{\"u}r ist die unabsichtliche Durchschneidung von submukosalen Blutgef{\"a}ßen ohne pr{\"a}emptive Koagulation. Ziele Die Forschungsfrage, ob ein KI-Algorithmus die intraprozedurale Gef{\"a}ßerkennung bei ESD und POEM unterst{\"u}tzen und damit Komplikationen wie Blutungen verhindern k{\"o}nnte, erscheint in Anbetracht des erfolgreichen Einsatzes von KI bei der Erkennung von Kolonpolypen interessant. Methoden Auf 5470 Einzelbildern von 59 third space Endoscopievideos wurden submukosale Blutgef{\"a}ße annotiert. Zusammen mit weiteren 179.681 nicht-annotierten Bildern wurde ein DeepLabv3+neuronales Netzwerk mit dem ECMT-Verfahren f{\"u}r semi-supervised learning trainiert, um Blutgef{\"a}ße in Echtzeit erkennen zu k{\"o}nnen. F{\"u}r die Evaluation wurde ein Videotest mit 101 Videoclips aus 15 vom Trainingsdatensatz separaten Prozeduren mit 200 vordefinierten Gef{\"a}ßen erstellt. Die Gef{\"a}ßdetektionsrate, -zeit und -dauer, definiert als der Prozentsatz an Einzelbildern eines Videos bezogen auf den Goldstandard, auf denen ein definiertes Gef{\"a}ß erkannt wurde, wurden erhoben. Acht erfahrene Endoskopiker wurden mithilfe dieses Videotests im Hinblick auf Gef{\"a}ßdetektion getestet, wobei eine H{\"a}lfte der Videos nativ, die andere H{\"a}lfte nach Markierung durch den KI-Algorithmus angesehen wurde. Ergebnisse Der mittlere Dice Score des Algorithmus f{\"u}r Blutgef{\"a}ße war 68\%. Die mittlere Gef{\"a}ßdetektionsrate im Videotest lag bei 94\% (96\% f{\"u}r ESD; 74\% f{\"u}r POEM). Die mediane Gef{\"a}ßdetektionszeit des Algorithmus lag bei 0,32 Sekunden (0,3 Sekunden f{\"u}r ESD; 0,62 Sekunden f{\"u}r POEM). Die mittlere Gef{\"a}ßdetektionsdauer lag bei 59,1\% (60,6\% f{\"u}r ESD; 44,8\% f{\"u}r POEM) des Goldstandards. Alle Endoskopiker hatten mit KI-Unterst{\"u}tzung eine h{\"o}here Gef{\"a}ßdetektionsrate als ohne KI. Die mittlere Gef{\"a}ßdetektionsrate ohne KI lag bei 56,4\%, mit KI bei 71,2\% (p<0.001). Schlussfolgerung KI-Unterst{\"u}tzung war mit einer statistisch signifikant h{\"o}heren Gef{\"a}ßdetektionsrate vergesellschaftet. Die mediane Gef{\"a}ßdetektionszeit von deutlich unter einer Sekunde sowie eine Gef{\"a}ßdetektionsdauer von gr{\"o}ßer 50\% des Goldstandards wurden f{\"u}r den klinischen Einsatz als ausreichend erachtet. In prospektiven Anwendungsstudien sollte der KI-Algorithmus auf klinische Relevanz getestet werden.}, language = {de} } @misc{ZellmerRauberProbstetal., author = {Zellmer, Stephan and Rauber, David and Probst, Andreas and Weber, Tobias and Nagl, Sandra and R{\"o}mmele, Christoph and Schnoy, Elisabeth and Palm, Christoph and Messmann, Helmut and Ebigbo, Alanna}, title = {Verwendung k{\"u}nstlicher Intelligenz bei der Detektion der Papilla duodeni major}, series = {Zeitschrift f{\"u}r Gastroenterologie}, volume = {61}, journal = {Zeitschrift f{\"u}r Gastroenterologie}, number = {08}, publisher = {Thieme}, address = {Stuttgart}, doi = {10.1055/s-0043-1772000}, pages = {e539 -- e540}, abstract = {Einleitung Die Endoskopische Retrograde Cholangiopankreatikographie (ERCP) ist der Goldstandard in der Diagnostik und Therapie von Erkrankungen des pankreatobili{\"a}ren Trakts. Jedoch ist sie technisch sehr anspruchsvoll und weist eine vergleichsweise hohe Komplikationsrate auf. Ziele In der vorliegenden Machbarkeitsstudie soll gepr{\"u}ft werden, ob mithilfe eines Deep-learning-Algorithmus die Papille und das Ostium zuverl{\"a}ssig detektiert werden k{\"o}nnen und somit f{\"u}r Endoskopiker mit geringer Erfahrung ein geeignetes Hilfsmittel, insbesondere f{\"u}r die Ausbildungssituation, darstellen k{\"o}nnten. Methodik Wir betrachteten insgesamt 606 Bilddatens{\"a}tze von 65 Patienten. In diesen wurde sowohl die Papilla duodeni major als auch das Ostium segmentiert. Anschließend wurde eine neuronales Netz mittels eines Deep-learning-Algorithmus trainiert. Außerdem erfolgte eine 5-fache Kreuzvaldierung. Ergebnisse Bei einer 5-fachen Kreuzvaldierung auf den 606 gelabelten Daten konnte f{\"u}r die Klasse Papille eine F1-Wert von 0,7908, eine Sensitivit{\"a}t von 0,7943 und eine Spezifit{\"a}t von 0,9785 erreicht werden, f{\"u}r die Klasse Ostium eine F1-Wert von 0,5538, eine Sensitivit{\"a}t von 0,5094 und eine Spezifit{\"a}t von 0,9970 (vgl. [Tab. 1]). Unabh{\"a}ngig von der Klasse zeigte sich gemittelt (Klasse Papille und Klasse Ostium) ein F1-Wert von 0,6673, eine Sensitivit{\"a}t von 0,6519 und eine Spezifit{\"a}t von 0,9877 (vgl. [Tab. 2]). Schlussfolgerung In vorliegende Machbarkeitsstudie konnte das neuronale Netz die Papilla duodeni major mit einer hohen Sensitivit{\"a}t und sehr hohen Spezifit{\"a}t identifizieren. Bei der Detektion des Ostiums war die Sensitivit{\"a}t deutlich geringer. Zuk{\"u}nftig soll das das neuronale Netz mit mehr Daten trainiert werden. Außerdem ist geplant, den Algorithmus auch auf Videos anzuwenden. Somit k{\"o}nnte langfristig ein geeignetes Hilfsmittel f{\"u}r die ERCP etabliert werden.}, language = {de} } @misc{MeinikheimMendelProbstetal., author = {Meinikheim, Michael and Mendel, Robert and Probst, Andreas and Scheppach, Markus W. and Nagl, Sandra and Schnoy, Elisabeth and R{\"o}mmele, Christoph and Prinz, Friederike and Schlottmann, Jakob and Messmann, Helmut and Palm, Christoph and Ebigbo, Alanna}, title = {Einfluss von K{\"u}nstlicher Intelligenz auf die Performance von niedergelassenen Gastroenterolog:innen bei der Beurteilung von Barrett-{\"O}sophagus}, series = {Zeitschrift f{\"u}r Gastroenterologie}, volume = {61}, journal = {Zeitschrift f{\"u}r Gastroenterologie}, number = {8}, publisher = {Thieme}, address = {Stuttgart}, doi = {10.1055/s-0043-1771711}, abstract = {Einleitung Die Differenzierung zwischen nicht dysplastischem Barrett-{\"O}sophagus (NDBE) und mit Barrett-{\"O}sophagus assoziierten Neoplasien (BERN) w{\"a}hrend der endoskopischen Inspektion erfordert viel Expertise. Die fr{\"u}he Diagnosestellung ist wichtig f{\"u}r die weitere Prognose des Barrett-Karzinoms. In Deutschland werden Patient:innen mit einem Barrett-{\"O}sophagus (BE) in der Regel im niedergelassenen Sektor {\"u}berwacht. Ziele Ziel ist es, den Einfluss von einem auf K{\"u}nstlicher Intelligenz (KI) basierenden klinischen Entscheidungsunterst{\"u}tzungssystems (CDSS) auf die Performance von niedergelassenen Gastroenterolog:innen (NG) bei der Evaluation von Barrett-{\"O}sophagus (BE) zu untersuchen. Methodik Es erfolgte die prospektive Sammlung von 96 unver{\"a}nderten hochaufl{\"o}senden Videos mit F{\"a}llen von Patient:innen mit histologisch best{\"a}tigtem NDBE und BERN. Alle eingeschlossenen F{\"a}lle enthielten mindestens zwei der folgenden Darstellungsmethoden: HD-Weißlichtendoskopie, Narrow Band Imaging oder Texture and Color Enhancement Imaging. Sechs NG von sechs unterschiedlichen Praxen wurden als Proband:innen eingeschlossen. Es erfolgte eine permutierte Block-Randomisierung der Videof{\"a}lle in entweder Gruppe A oder Gruppe B. Gruppe A implizierte eine Evaluation des Falls durch Proband:innen zun{\"a}chst ohne KI und anschließend mit KI als CDSS. In Gruppe B erfolgte die Evaluation in umgekehrter Reihenfolge. Anschließend erfolgte eine zuf{\"a}llige Wiedergabe der so entstandenen Subgruppen im Rahmen des Tests. Ergebnis In diesem Test konnte ein von uns entwickeltes KI-System (Barrett-Ampel) eine Sensitivit{\"a}t von 92,2\%, eine Spezifit{\"a}t von 68,9\% und eine Accuracy von 81,3\% erreichen. Mit der Hilfe von KI verbesserte sich die Sensitivit{\"a}t der NG von 64,1\% auf 71,2\% (p<0,001) und die Accuracy von 66,3\% auf 70,8\% (p=0,006) signifikant. Eine signifikante Verbesserung dieser Parameter zeigte sich ebenfalls, wenn die Proband:innen die F{\"a}lle zun{\"a}chst ohne KI evaluierten (Gruppe A). Wurde der Fall jedoch als Erstes mit der Hilfe von KI evaluiert (Gruppe B), blieb die Performance nahezu konstant. Schlussfolgerung Es konnte ein performantes KI-System zur Evaluation von BE entwickelt werden. NG verbessern sich bei der Evaluation von BE durch den Einsatz von KI.}, language = {de} } @misc{ScheppachMendelProbstetal., author = {Scheppach, Markus W. and Mendel, Robert and Probst, Andreas and Rauber, David and R{\"u}ckert, Tobias and Meinikheim, Michael and Palm, Christoph and Messmann, Helmut and Ebigbo, Alanna}, title = {Real-time detection and delineation of tissue during third-space endoscopy using artificial intelligence (AI)}, series = {Endoscopy}, volume = {55}, journal = {Endoscopy}, number = {S02}, publisher = {Thieme}, doi = {10.1055/s-0043-1765128}, pages = {S53 -- S54}, abstract = {Aims AI has proven great potential in assisting endoscopists in diagnostics, however its role in therapeutic endoscopy remains unclear. Endoscopic submucosal dissection (ESD) is a technically demanding intervention with a slow learning curve and relevant risks like bleeding and perforation. Therefore, we aimed to develop an algorithm for the real-time detection and delineation of relevant structures during third-space endoscopy. Methods 5470 still images from 59 full length videos (47 ESD, 12 POEM) were annotated. 179681 additional unlabeled images were added to the training dataset. Consequently, a DeepLabv3+ neural network architecture was trained with the ECMT semi-supervised algorithm (under review elsewhere). Evaluation of vessel detection was performed on a dataset of 101 standardized video clips from 15 separate third-space endoscopy videos with 200 predefined blood vessels. Results Internal validation yielded an overall mean Dice score of 85\% (68\% for blood vessels, 86\% for submucosal layer, 88\% for muscle layer). On the video test data, the overall vessel detection rate (VDR) was 94\% (96\% for ESD, 74\% for POEM). The median overall vessel detection time (VDT) was 0.32 sec (0.3 sec for ESD, 0.62 sec for POEM). Conclusions Evaluation of the developed algorithm on a video test dataset showed high VDR and quick VDT, especially for ESD. Further research will focus on a possible clinical benefit of the AI application for VDR and VDT during third-space endoscopy.}, subject = {Speiser{\"o}hrenkrankheit}, language = {en} } @misc{ScheppachMendelProbstetal., author = {Scheppach, Markus W. and Mendel, Robert and Probst, Andreas and Meinikheim, Michael and Palm, Christoph and Messmann, Helmut and Ebigbo, Alanna}, title = {Artificial Intelligence (AI) - assisted vessel and tissue recognition during third space endoscopy (Smart ESD)}, series = {Zeitschrift f{\"u}r Gastroenterologie}, volume = {60}, journal = {Zeitschrift f{\"u}r Gastroenterologie}, number = {08}, publisher = {Georg Thieme Verlag}, address = {Stuttgart}, doi = {10.1055/s-0042-1755110}, abstract = {Clinical setting Third space procedures such as endoscopic submucosal dissection (ESD) and peroral endoscopic myotomy (POEM) are complex minimally invasive techniques with an elevated risk for operator-dependent adverse events such as bleeding and perforation. This risk arises from accidental dissection into the muscle layer or through submucosal blood vessels as the submucosal cutting plane within the expanding resection site is not always apparent. Deep learning algorithms have shown considerable potential for the detection and characterization of gastrointestinal lesions. So-called AI - clinical decision support solutions (AI-CDSS) are commercially available for polyp detection during colonoscopy. Until now, these computer programs have concentrated on diagnostics whereas an AI-CDSS for interventional endoscopy has not yet been introduced. We aimed to develop an AI-CDSS („Smart ESD") for real-time intra-procedural detection and delineation of blood vessels, tissue structures and endoscopic instruments during third-space endoscopic procedures. Characteristics of Smart ESD An AI-CDSS was invented that delineates blood vessels, tissue structures and endoscopic instruments during third-space endoscopy in real-time. The output can be displayed by an overlay over the endoscopic image with different modes of visualization, such as a color-coded semitransparent area overlay, or border tracing (demonstration video). Hereby the optimal layer for dissection can be visualized, which is close above or directly at the muscle layer, depending on the applied technique (ESD or POEM). Furthermore, relevant blood vessels (thickness> 1mm) are delineated. Spatial proximity between the electrosurgical knife and a blood vessel triggers a warning signal. By this guidance system, inadvertent dissection through blood vessels could be averted. Technical specifications A DeepLabv3+ neural network architecture with KSAC and a 101-layer ResNeSt backbone was used for the development of Smart ESD. It was trained and validated with 2565 annotated still images from 27 full length third-space endoscopic videos. The annotation classes were blood vessel, submucosal layer, muscle layer, electrosurgical knife and endoscopic instrument shaft. A test on a separate data set yielded an intersection over union (IoU) of 68\%, a Dice Score of 80\% and a pixel accuracy of 87\%, demonstrating a high overlap between expert and AI segmentation. Further experiments on standardized video clips showed a mean vessel detection rate (VDR) of 85\% with values of 92\%, 70\% and 95\% for POEM, rectal ESD and esophageal ESD respectively. False positive measurements occurred 0.75 times per minute. 7 out of 9 vessels which caused intraprocedural bleeding were caught by the algorithm, as well as both vessels which required hemostasis via hemostatic forceps. Future perspectives Smart ESD performed well for vessel and tissue detection and delineation on still images, as well as on video clips. During a live demonstration in the endoscopy suite, clinical applicability of the innovation was examined. The lag time for processing of the live endoscopic image was too short to be visually detectable for the interventionist. Even though the algorithm could not be applied during actual dissection by the interventionist, Smart ESD appeared readily deployable during visual assessment by ESD experts. Therefore, we plan to conduct a clinical trial in order to obtain CE-certification of the algorithm. This new technology may improve procedural safety and speed, as well as training of modern minimally invasive endoscopic resection techniques.}, subject = {Bildgebendes Verfahren}, language = {en} } @misc{MeinikheimMendelProbstetal., author = {Meinikheim, Michael and Mendel, Robert and Probst, Andreas and Scheppach, Markus W. and Messmann, Helmut and Palm, Christoph and Ebigbo, Alanna}, title = {Barrett-Ampel}, series = {Zeitschrift f{\"u}r Gastroenterologie}, volume = {60}, journal = {Zeitschrift f{\"u}r Gastroenterologie}, number = {08}, publisher = {Georg Thieme Verlag}, address = {Stuttgart}, doi = {10.1055/s-0042-1755109}, abstract = {Hintergrund Adenokarzinome des {\"O}sophagus sind bis heute mit einer infausten Prognose vergesellschaftet (1). Obwohl Endoskopiker mit Barrett-{\"O}sophagus als Pr{\"a}kanzerose konfrontiert werden, ist vor allem f{\"u}r nicht-Experten die Differenzierung zwischen Barrett-{\"O}sophagus ohne Dysplasie und assoziierten Neoplasien mitunter schwierig. Existierende Biopsieprotokolle (z.B. Seattle Protokoll) sind oftmals unzuverl{\"a}ssig (2). Eine fr{\"u}hzeitige Diagnose des Adenokarzinoms ist allerdings von fundamentaler Bedeutung f{\"u}r die Prognose des Patienten. Forschungsansatz Auf der Grundlage dieser Problematik, entwickelten wir in Kooperation mit dem Forschungslabor „Regensburg Medical Image Computing (ReMIC)" der OTH Regensburg ein auf k{\"u}nstlicher Intelligenz (KI) basiertes Entscheidungsunterst{\"u}tzungssystem (CDSS). Das auf einer DeepLabv3+ neuronalen Netzwerkarchitektur basierende CDSS differenziert mittels Mustererkennung Barrett- {\"O}sophagus ohne Dysplasie von Barrett-{\"O}sophagus mit Dysplasie bzw. Neoplasie („Klassifizierung"). Hierbei werden gemittelte Ausgabewahrscheinlichkeiten mit einem vom Benutzer definierten Schwellenwert verglichen. F{\"u}r Vorhersagen, die den Schwellenwert {\"u}berschreiten, berechnen wir die Kontur der Region und die Fl{\"a}che. Sobald die vorhergesagte L{\"a}sion eine bestimmte Gr{\"o}ße in der Eingabe {\"u}berschreitet, heben wir sie und ihren Umriss hervor. So erm{\"o}glicht eine farbkodierte Visualisierung eine Abgrenzung zwischen Dysplasie bzw. Neoplasie und normalem Barrett-Epithel („Segmentierung"). In einer Studie an Bildern in „Weißlicht" (WL) und „Narrow Band Imaging" (NBI) demonstrierten wir eine Sensitivit{\"a}t von mehr als 90\% und eine Spezifit{\"a}t von mehr als 80\% (3). In einem n{\"a}chsten Schritt, differenzierte unser KI-Algorithmus Barrett- Metaplasien von assoziierten Neoplasien anhand von zuf{\"a}llig abgegriffenen Bildern in Echtzeit mit einer Accuracy von 89.9\% (4). Darauf folgend, entwickelten wir unser System dahingehend weiter, dass unser Algorithmus nun auch dazu in der Lage ist, Untersuchungsvideos in WL, NBI und „Texture and Color Enhancement Imaging" (TXI) in Echtzeit zu analysieren (5). Aktuell f{\"u}hren wir eine Studie in einem randomisiert-kontrollierten Ansatz an unver{\"a}nderten Untersuchungsvideos in WL, NBI und TXI durch. Ausblick Um Patienten mit aus Barrett-Metaplasien resultierenden Neoplasien fr{\"u}hestm{\"o}glich an „High-Volume"-Zentren {\"u}berweisen zu k{\"o}nnen, soll unser KI-Algorithmus zuk{\"u}nftig vor allem Endoskopiker ohne extensive Erfahrung bei der Beurteilung von Barrett- {\"O}sophagus in der Krebsfr{\"u}herkennung unterst{\"u}tzen.}, subject = {Speiser{\"o}hrenkrebs}, language = {de} } @article{HartwigBerletCzempieletal., author = {Hartwig, Regine and Berlet, Maximilian and Czempiel, Tobias and Fuchtmann, Jonas and R{\"u}ckert, Tobias and Feussner, Hubertus and Wilhelm, Dirk}, title = {Bildbasierte Unterst{\"u}tzungsmethoden f{\"u}r die zuk{\"u}nftige Anwendung in der Chirurgie}, series = {Die Chirurgie}, volume = {93}, journal = {Die Chirurgie}, publisher = {Springer}, doi = {10.1007/s00104-022-01668-x}, pages = {956 -- 965}, abstract = {Hintergrund: Die Entwicklung assistiver Technologien wird in den kommenden Jahren nicht nur in der Chirurgie von zunehmender Bedeutung sein. Die Wahrnehmung der Istsituation stellt hierbei die Grundlage jeder autonomen Handlung dar. Hierf{\"u}r k{\"o}nnen unterschiedliche Sensorsysteme genutzt werden, wobei videobasierte Systeme ein besonderes Potenzial aufweisen. Methode: Anhand von Literaturangaben und auf Basis eigener Forschungsarbeiten werden zentrale Aspekte bildbasierter Unterst{\"u}tzungssysteme f{\"u}r die Chirurgie dargestellt. Hierbei wird deren Potenzial, aber auch die Limitationen der Methoden erl{\"a}utert. Ergebnisse: Eine etablierte Anwendung stellt die Phasendetektion chirurgischer Eingriffe dar, f{\"u}r die Operationsvideos mittels neuronaler Netzwerke analysiert werden. Durch eine zeitlich gest{\"u}tzte und transformative Analyse konnten die Ergebnisse der Pr{\"a}diktion j{\"u}ngst deutlich verbessert werden. Aber auch robotische Kameraf{\"u}hrungssysteme nutzen Bilddaten, um das Laparoskop zuk{\"u}nftig autonom zu navigieren. Um die Zuverl{\"a}ssigkeit an die hohen Anforderungen in der Chirurgie anzugleichen, m{\"u}ssen diese jedoch durch zus{\"a}tzliche Informationen erg{\"a}nzt werden. Ein vergleichbarer multimodaler Ansatz wurde bereits f{\"u}r die Navigation und Lokalisation bei laparoskopischen Eingriffen umgesetzt. Hierzu werden Videodaten mittels verschiedener Methoden analysiert und diese Ergebnisse mit anderen Sensormodalit{\"a}ten fusioniert. Diskussion: Bildbasierte Unterst{\"u}tzungsmethoden sind bereits f{\"u}r diverse Aufgaben verf{\"u}gbar und stellen einen wichtigen Aspekt f{\"u}r die Chirurgie der Zukunft dar. Um hier jedoch zuverl{\"a}ssig und f{\"u}r autonome Funktionen eingesetzt werden zu k{\"o}nnen, m{\"u}ssen sie zuk{\"u}nftig in multimodale Ans{\"a}tze eingebettet werden, um die erforderliche Sicherheit bieten zu k{\"o}nnen.}, language = {de} } @misc{WeberSonarGerhardsetal., author = {Weber, Karsten and Sonar, Arne and Gerhards, Helene and Bittner, Uta and Krug, Henriette and Reuter-Oppermann, Melanie and Pumplun, Luisa and M{\"u}ller, Helene and Buxmann, Peter and Schneider, Diana and Zoglauer, Thomas}, title = {K{\"u}nstliche Intelligenz und Gesundheit}, editor = {Sonar, Arne and Weber, Karsten}, publisher = {Franz Steiner}, address = {Stuttgart}, isbn = {978-3-515-12977-0}, doi = {10.25162/9783515129770}, abstract = {Der Einsatz von k{\"u}nstlicher Intelligenz im Gesundheitsbereich verspricht besonders großen Nutzen durch eine bessere Versorgung sowie effizientere Abl{\"a}ufe und bietet damit letztlich auch {\"o}konomische Vorteile. Dem stehen unter anderem Bef{\"u}rchtungen entgegen, dass sich durch den Einsatz von k{\"u}nstlicher Intelligenz das Arzt-Patienten-Verh{\"a}ltnis ver{\"a}ndern k{\"o}nnte, Arbeitspl{\"a}tze gef{\"a}hrdet seien oder die {\"O}konomisierung des Gesundheitswesens einen weiteren Schub erfahren k{\"o}nnte. Zuweilen wird die Debatte um diese Technologie, zumal in der {\"O}ffentlichkeit, emotional und fern sachlicher Argumente gef{\"u}hrt. Die Autorinnen und Autoren untersuchen die Geschichte des KI-Einsatzes in der Medizin, deren {\"o}ffentliche Wahrnehmung, Governance der KI, die M{\"o}glichkeiten und Grenzen der Technik sowie Einsatzgebiete, die bisher noch nicht oder nur wenig im Fokus der Aufmerksamkeit waren. Dabei erweist sich die KI als leistungsf{\"a}higes Werkzeug, das zahlreiche ethische und soziale Fragen aufwirft, die bei der Einf{\"u}hrung anderer Technologien bereits gestellt wurden; allerdings gibt es auch neue Herausforderungen, denen sich Professionen, Politik und Gesellschaft stellen m{\"u}ssen.}, language = {de} } @misc{EbigboMendelTziatziosetal., author = {Ebigbo, Alanna and Mendel, Robert and Tziatzios, Georgios and Probst, Andreas and Palm, Christoph and Messmann, Helmut}, title = {Real-Time Diagnosis of an Early Barrett's Carcinoma using Artificial Intelligence (AI) - Video Case Demonstration}, series = {Endoscopy}, volume = {52}, journal = {Endoscopy}, number = {S 01}, publisher = {Thieme}, doi = {10.1055/s-0040-1704075}, pages = {S23}, abstract = {Introduction We present a clinical case showing the real-time detection, characterization and delineation of an early Barrett's cancer using AI. Patients and methods A 70-year old patient with a long-segment Barrett's esophagus (C5M7) was assessed with an AI algorithm. Results The AI system detected a 10 mm focal lesion and AI characterization predicted cancer with a probability of >90\%. After ESD resection, histopathology showed mucosal adenocarcinoma (T1a (m), R0) confirming AI diagnosis. Conclusion We demonstrate the real-time AI detection, characterization and delineation of a small and early mucosal Barrett's cancer.}, subject = {Speiser{\"o}hrenkrebs}, language = {en} } @misc{MeinikheimMendelScheppachetal., author = {Meinikheim, Michael and Mendel, Robert and Scheppach, Markus W. and Probst, Andreas and Prinz, Friederike and Schwamberger, Tanja and Schlottmann, Jakob and G{\"o}lder, Stefan Karl and Walter, Benjamin and Steinbr{\"u}ck, Ingo and Palm, Christoph and Messmann, Helmut and Ebigbo, Alanna}, title = {INFLUENCE OF AN ARTIFICIAL INTELLIGENCE (AI) BASED DECISION SUPPORT SYSTEM (DSS) ON THE DIAGNOSTIC PERFORMANCE OF NON-EXPERTS IN BARRETT´S ESOPHAGUS RELATED NEOPLASIA (BERN)}, series = {Endoscopy}, volume = {54}, journal = {Endoscopy}, number = {S 01}, publisher = {Thieme}, doi = {10.1055/s-00000012}, pages = {S39}, abstract = {Aims Barrett´s esophagus related neoplasia (BERN) is difficult to detect and characterize during endoscopy, even for expert endoscopists. We aimed to assess the add-on effect of an Artificial Intelligence (AI) algorithm (Barrett-Ampel) as a decision support system (DSS) for non-expert endoscopists in the evaluation of Barrett's esophagus (BE) and BERN. Methods Twelve videos with multimodal imaging white light (WL), narrow-band imaging (NBI), texture and color enhanced imaging (TXI) of histologically confirmed BE and BERN were assessed by expert and non-expert endoscopists. For each video, endoscopists were asked to identify the area of BERN and decide on the biopsy spot. Videos were assessed by the AI algorithm and regions of BERN were highlighted in real-time by a transparent overlay. Finally, endoscopists were shown the AI videos and asked to either confirm or change their initial decision based on the AI support. Results Barrett-Ampel correctly identified all areas of BERN, irrespective of the imaging modality (WL, NBI, TXI), but misinterpreted two inflammatory lesions (Accuracy=75\%). Expert endoscopists had a similar performance (Accuracy=70,8\%), while non-experts had an accuracy of 58.3\%. When AI was implemented as a DSS, non-expert endoscopists improved their diagnostic accuracy to 75\%. Conclusions AI may have the potential to support non-expert endoscopists in the assessment of videos of BE and BERN. Limitations of this study include the low number of videos used. Randomized clinical trials in a real-life setting should be performed to confirm these results.}, subject = {Speiser{\"o}hrenkrankheit}, language = {en} } @misc{MeinikheimMendelScheppachetal., author = {Meinikheim, Michael and Mendel, Robert and Scheppach, Markus W. and Probst, Andreas and Prinz, Friederike and Schwamberger, Tanja and Schlottmann, Jakob and G{\"o}lder, Stefan Karl and Walter, Benjamin and Steinbr{\"u}ck, Ingo and Palm, Christoph and Messmann, Helmut and Ebigbo, Alanna}, title = {Einsatz von k{\"u}nstlicher Intelligenz (KI) als Entscheidungsunterst{\"u}tzungssystem f{\"u}r nicht-Experten bei der Beurteilung von Barrett-{\"O}sophagus assoziierten Neoplasien (BERN)}, series = {Zeitschrift f{\"u}r Gastroenterologie}, volume = {60}, journal = {Zeitschrift f{\"u}r Gastroenterologie}, number = {4}, publisher = {Thieme}, address = {Stuttgart}, doi = {10.1055/s-0042-1745653}, pages = {251}, abstract = {Einleitung Die sichere Detektion und Charakterisierung von Barrett-{\"O}sophagus assoziierten Neoplasien (BERN) stellt selbst f{\"u}r erfahrene Endoskopiker eine Herausforderung dar. Ziel Ziel dieser Studie ist es, den Add-on Effekt eines k{\"u}nstlichen Intelligenz (KI) Systems (Barrett-Ampel) als Entscheidungsunterst{\"u}zungssystem f{\"u}r Endoskopiker ohne Expertise bei der Untersuchung von BERN zu evaluieren. Material und Methodik Zw{\"o}lf Videos in „Weißlicht" (WL), „narrow-band imaging" (NBI) und „texture and color enhanced imaging" (TXI) von histologisch best{\"a}tigten Barrett-Metaplasien oder BERN wurden von Experten und Untersuchern ohne Barrett-Expertise evaluiert. Die Probanden wurden dazu aufgefordert in den Videos auftauchende BERN zu identifizieren und gegebenenfalls die optimale Biopsiestelle zu markieren. Unser KI-System wurde demselben Test unterzogen, wobei dieses BERN in Echtzeit segmentierte und farblich von umliegendem Epithel differenzierte. Anschließend wurden den Probanden die Videos mit zus{\"a}tzlicher KI-Unterst{\"u}tzung gezeigt. Basierend auf dieser neuen Information, wurden die Probanden zu einer Reevaluation ihrer initialen Beurteilung aufgefordert. Ergebnisse Die „Barrett-Ampel" identifizierte unabh{\"a}ngig von den verwendeten Darstellungsmodi (WL, NBI, TXI) alle BERN. Zwei entz{\"u}ndlich ver{\"a}nderte L{\"a}sionen wurden fehlinterpretiert (Genauigkeit=75\%). W{\"a}hrend Experten vergleichbare Ergebnisse erzielten (Genauigkeit=70,8\%), hatten Endoskopiker ohne Expertise bei der Beurteilung von Barrett-Metaplasien eine Genauigkeit von lediglich 58,3\%. Wurden die nicht-Experten allerdings von unserem KI-System unterst{\"u}tzt, erreichten diese eine Genauigkeit von 75\%. Zusammenfassung Unser KI-System hat das Potential als Entscheidungsunterst{\"u}tzungssystem bei der Differenzierung zwischen Barrett-Metaplasie und BERN zu fungieren und so Endoskopiker ohne entsprechende Expertise zu assistieren. Eine Limitation dieser Studie ist die niedrige Anzahl an eingeschlossenen Videos. Um die Ergebnisse dieser Studie zu best{\"a}tigen, m{\"u}ssen randomisierte kontrollierte klinische Studien durchgef{\"u}hrt werden.}, language = {de} } @article{SouzaJrMendelStrasseretal., author = {Souza Jr., Luis Antonio de and Mendel, Robert and Strasser, Sophia and Ebigbo, Alanna and Probst, Andreas and Messmann, Helmut and Papa, Jo{\~a}o Paulo and Palm, Christoph}, title = {Convolutional Neural Networks for the evaluation of cancer in Barrett's esophagus: Explainable AI to lighten up the black-box}, series = {Computers in Biology and Medicine}, volume = {135}, journal = {Computers in Biology and Medicine}, publisher = {Elsevier}, issn = {0010-4825}, doi = {10.1016/j.compbiomed.2021.104578}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-20126}, pages = {1 -- 14}, abstract = {Even though artificial intelligence and machine learning have demonstrated remarkable performances in medical image computing, their level of accountability and transparency must be provided in such evaluations. The reliability related to machine learning predictions must be explained and interpreted, especially if diagnosis support is addressed. For this task, the black-box nature of deep learning techniques must be lightened up to transfer its promising results into clinical practice. Hence, we aim to investigate the use of explainable artificial intelligence techniques to quantitatively highlight discriminative regions during the classification of earlycancerous tissues in Barrett's esophagus-diagnosed patients. Four Convolutional Neural Network models (AlexNet, SqueezeNet, ResNet50, and VGG16) were analyzed using five different interpretation techniques (saliency, guided backpropagation, integrated gradients, input × gradients, and DeepLIFT) to compare their agreement with experts' previous annotations of cancerous tissue. We could show that saliency attributes match best with the manual experts' delineations. Moreover, there is moderate to high correlation between the sensitivity of a model and the human-and-computer agreement. The results also lightened that the higher the model's sensitivity, the stronger the correlation of human and computational segmentation agreement. We observed a relevant relation between computational learning and experts' insights, demonstrating how human knowledge may influence the correct computational learning.}, subject = {Deep Learning}, language = {en} } @article{EbigboPalmMessmann, author = {Ebigbo, Alanna and Palm, Christoph and Messmann, Helmut}, title = {Barrett esophagus: What to expect from Artificial Intelligence?}, series = {Best Practice \& Research Clinical Gastroenterology}, volume = {52-53}, journal = {Best Practice \& Research Clinical Gastroenterology}, number = {June-August}, publisher = {Elsevier}, issn = {1521-6918}, doi = {10.1016/j.bpg.2021.101726}, abstract = {The evaluation and assessment of Barrett's esophagus is challenging for both expert and nonexpert endoscopists. However, the early diagnosis of cancer in Barrett's esophagus is crucial for its prognosis, and could save costs. Pre-clinical and clinical studies on the application of Artificial Intelligence (AI) in Barrett's esophagus have shown promising results. In this review, we focus on the current challenges and future perspectives of implementing AI systems in the management of patients with Barrett's esophagus.}, subject = {Deep Learning}, language = {en} } @misc{AppelhansKampmannMottoketal., author = {Appelhans, Marie-Luise and Kampmann, Matthias and Mottok, J{\"u}rgen and Riederer, Michael and Nagl, Klaus and Steffens, Oliver and D{\"u}nnweber, Jan and Wildgruber, Markus and Roth, Julius and Stadler, Timo and Palm, Christoph and Weiß, Martin Georg and Rochholz, Sandra and Bierl, Rudolf and Gschossmann, Andreas and Haug, Sonja and Schmidbauer, Simon and Koch, Anna and Westner, Markus and Bary, Benedikt von and Ellermeier, Andreas and V{\"o}gele, Daniel and Maiwald, Frederik and Hierl, Stefan and Schlamp, Matthias and Ehrlich, Ingo and Siegl, Marco and H{\"u}ntelmann, Sven and Wildfeuer, Matthias and Br{\"u}ckl, Oliver and Sterner, Michael and Hofrichter, Andreas and Eckert, Fabian and Bauer, Franz and Dawoud, Belal and Rabl, Hans-Peter and Gamisch, Bernd and Schmidt, Ottfried and Heberl, Michael and Thema, Martin and Mayer, Ulrike and Eller, Johannes and Sippenauer, Thomas and Adelt, Christian and Haslbeck, Matthias and Vogl, Bettina and Mauerer, Wolfgang and Ramsauer, Ralf and Lohmann, Daniel and Sax, Irmengard and Gabor, Thomas and Feld, Sebastian and Linnhoff-Popien, Claudia and Ławrowski, Robert Damian and Langer, Christoph and Schreiner, Rupert and Sellmair, Josef}, title = {Forschung 2019}, editor = {Baier, Wolfgang}, address = {Regensburg}, organization = {Ostbayerische Technische Hochschule Regensburg}, isbn = {978-3-9818209-7-3}, doi = {10.35096/othr/pub-789}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-7890}, pages = {72}, abstract = {Bericht mit Forschungsprojekten aus verschiedenen Bereichen der OTH Regensburg mit dem Schwerpunktthema "K{\"u}nstliche Intelligenz" und einem Gespr{\"a}ch zur "Medizin der Zukunft"}, subject = {Forschung}, language = {de} } @incollection{WeberZoglauer, author = {Weber, Karsten and Zoglauer, Thomas}, title = {Maschinenethik und Technikethik}, series = {Handbuch Maschinenethik}, booktitle = {Handbuch Maschinenethik}, editor = {Bendel, Oliver}, publisher = {Springer VS}, address = {Wiesbaden}, isbn = {978-3-658-17484-2}, doi = {10.1007/978-3-658-17484-2_10-1}, pages = {1 -- 19}, abstract = {Der Eigenst{\"a}ndigkeitsanspruch der Maschinenethik steht und f{\"a}llt mit der Frage, ob man autonome Maschinen als moralische Agenten betrachten kann. Zur Beantwortung dieser Frage wird untersucht, unter welchen Voraussetzungen man Maschinen als moralische Agenten betrachten und ob man Maschinen Autonomie und Verantwortungsf{\"a}higkeit zusprechen kann. Die Autoren kommen zu dem Schluss, dass es in absehbarer Zukunft zwar keine „moralische Maschinen" geben mag, es aber Aufgabe der Maschinenethik sein sollte, Maschinen so zu gestalten, dass sie als quasi-moralische Akteure akzeptiert werden k{\"o}nnen. Dabei d{\"u}rfen jedoch jene menschlichen Akteure, die entsprechende Maschinen gestalten, entwickeln, bauen und nutzen, nicht aus ihrer Verantwortung entlassen werden.}, subject = {Ethik}, language = {de} } @incollection{Weber, author = {Weber, Karsten}, title = {Autonomie und Moralit{\"a}t als Zuschreibung}, series = {Maschinenethik, Normative Grenzen autonomer Systeme}, booktitle = {Maschinenethik, Normative Grenzen autonomer Systeme}, editor = {Rath, Matthias and Krotz, Friedrich and Karmasin, Matthias}, publisher = {Springer VS}, address = {Wiesbaden}, isbn = {978-3-658-21083-0}, doi = {10.1007/978-3-658-21083-0_12}, pages = {193 -- 208}, abstract = {Der Beitrag widerspricht der These, es g{\"a}be (bald) autonome Maschinen, so dass es einer Ethik f{\"u}r Maschinen bed{\"u}rfe, denen diese Maschinen unterworfen sein m{\"u}ssten. Eine Ethik f{\"u}r autonome Maschinen w{\"a}re nur denkbar, wenn sich diese Maschinen jene Ethik selbst geben w{\"u}rden und dieser freiwillig folgten - genau dies bedeutet Autonomie. Jedes Regelwerk, das den Maschinen einprogrammiert oder anderweitig bindend aufgegeben werden w{\"u}rde, kann nicht als Maschinenethik verstanden werden. Das Hauptargument des Beitrags wird jedoch sein, dass Menschen den vermeintlich autonomen Maschinen diese Eigenschaft zuzuschreiben bereit sind, den Unterschied zwischen Menschen und Maschinen im Handeln verwischen und so erst die Rede von einer Maschinenethik provozieren. Abschließend wird eine moralische Norm formuliert, die jedoch keinerlei Maschinenethik impliziert, sondern eine moralische Norm f{\"u}r Menschen darstellt. Damit w{\"u}rde der Vermenschlichung von Maschinen entgegengewirkt und sicher gestellt, dass die Aktionen eines autonomen artifiziellen Agenten stets dessen Designern und Herstellern zugerechnet werden kann.}, subject = {Autonomes System}, language = {de} } @article{EbigboPalmProbstetal., author = {Ebigbo, Alanna and Palm, Christoph and Probst, Andreas and Mendel, Robert and Manzeneder, Johannes and Prinz, Friederike and Souza Jr., Luis Antonio de and Papa, Jo{\~a}o Paulo and Siersema, Peter and Messmann, Helmut}, title = {A technical review of artificial intelligence as applied to gastrointestinal endoscopy: clarifying the terminology}, series = {Endoscopy International Open}, volume = {07}, journal = {Endoscopy International Open}, number = {12}, publisher = {Georg Thieme Verlag}, address = {Stuttgart}, doi = {10.1055/a-1010-5705}, pages = {1616 -- 1623}, abstract = {The growing number of publications on the application of artificial intelligence (AI) in medicine underlines the enormous importance and potential of this emerging field of research. In gastrointestinal endoscopy, AI has been applied to all segments of the gastrointestinal tract most importantly in the detection and characterization of colorectal polyps. However, AI research has been published also in the stomach and esophagus for both neoplastic and non-neoplastic disorders. The various technical as well as medical aspects of AI, however, remain confusing especially for non-expert physicians. This physician-engineer co-authored review explains the basic technical aspects of AI and provides a comprehensive overview of recent publications on AI in gastrointestinal endoscopy. Finally, a basic insight is offered into understanding publications on AI in gastrointestinal endoscopy.}, subject = {Diagnose}, language = {en} } @misc{OPUS4-14, title = {Gute Technik f{\"u}r ein gutes Leben im Alter?}, editor = {Frommeld, Debora and Scorna, Ulrike and Haug, Sonja and Weber, Karsten}, publisher = {transcript Verlag}, address = {Bielefeld}, isbn = {978-3-8376-5469-1}, doi = {10.14361/9783839454695}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-149}, pages = {372}, abstract = {L{\"a}ngst gibt es altersgerechte digitale Assistenzsysteme. Doch sind Umfang und Geschwindigkeit ihrer Verbreitung sowohl in Pflegeeinrichtungen als auch in privaten Haushalten weitgehend unbekannt. Informationen zu tats{\"a}chlich eingesetzten Systemen, realisierten Ums{\"a}tzen und Marktvolumen sind kaum zu finden. Obwohl es viele Vermutungen hinsichtlich der Hindernisse bei der Einf{\"u}hrung altersgerechter Assistenzsysteme gibt, sind auch hier verl{\"a}ssliche Aussagen rar. Die Beitr{\"a}ge des Bandes liefern auf Basis empirischer Untersuchungen und theoretischer {\"U}berlegungen Antworten und zeigen auf, wie vielgestaltig die Faktoren sind, die die Diffusion altersgerechter Assistenzsysteme hemmen oder f{\"o}rdern.}, subject = {Alter}, language = {de} }