Bewertung:
Das Buch bietet eine umfassende und aufschlussreiche Erforschung der KI in der Medizin und macht komplexe Themen auch für Personen ohne medizinischen Hintergrund zugänglich. Es dient als wertvolle Ressource für Fachkräfte im Gesundheitswesen und Führungskräfte in der Informatik, obwohl einige Leser einige Kapitel als fragmentiert und weniger relevant für praktizierende Kliniker empfanden.
Vorteile:⬤ Umfassend und gut recherchiert
⬤ mit Klarheit und Stil geschrieben
⬤ für nicht-medizinische Leser zugänglich
⬤ relevant für Fachleute der Gesundheitsinformatik
⬤ untersucht aktuelle und innovative Technologien
⬤ geht offen auf Herausforderungen im Bereich KI und ML ein.
Kapitel können fragmentiert und gelegentlich irrelevant für praktizierende Kliniker sein; möglicherweise fehlt der Fokus auf die versprochenen Inhaltsbereiche.
(basierend auf 4 Leserbewertungen)
Reinventing Clinical Decision Support: Data Analytics, Artificial Intelligence, and Diagnostic Reasoning
Dieses Buch wirft einen detaillierten Blick auf die aufkommenden Technologien, die die Art und Weise, wie Kliniker Patienten behandeln, verändern, und betont gleichzeitig, dass die besten Praktiker sowohl künstliche als auch menschliche Intelligenz nutzen, um Entscheidungen zu treffen.
KI und maschinelles Lernen werden ausführlich erforscht, mit einfachen Erklärungen in klinischem Englisch zu Faltungsneuronalen Netzen, Backpropagation und digitaler Bildanalyse. Es werden auch Beispiele aus der Praxis besprochen, wie diese Werkzeuge eingesetzt werden, einschließlich ihres Wertes bei der Diagnose von diabetischer Retinopathie, Melanom, Brustkrebs, Krebsmetastasen und Darmkrebs sowie bei der Behandlung schwerer Sepsis.
Bei allem Enthusiasmus über KI und maschinelles Lernen war es auch notwendig, einige der Kritikpunkte, Hindernisse und Grenzen dieser neuen Instrumente zu skizzieren. Zu den Kritikpunkten, die diskutiert werden, gehören der relative Mangel an harten wissenschaftlichen Beweisen, die einige der neuesten Algorithmen unterstützen, und das sogenannte Black-Box-Problem. Ein Kapitel über Datenanalyse befasst sich eingehend mit neuen Methoden zur Durchführung von Untergruppenanalysen und damit, wie diese die Führungskräfte im Gesundheitswesen zwingen, die Anwendung der Ergebnisse großer klinischer Studien in der täglichen medizinischen Praxis zu überdenken. Diese Neubewertung wirkt sich langsam auf die Art und Weise aus, wie Diabetes, Herzkrankheiten, Bluthochdruck und Krebs behandelt werden. Die diskutierten Forschungsergebnisse deuten auch darauf hin, dass sich die Datenanalyse auf die Notfallmedizin, das Medikamentenmanagement und die Kosten im Gesundheitswesen auswirken wird.
Eine Untersuchung des diagnostischen Entscheidungsprozesses selbst befasst sich mit der Frage, wie diagnostische Fehler gemessen werden, welche technologischen und kognitiven Fehler dafür verantwortlich sind und welche Lösungen am ehesten geeignet sind, den Prozess zu verbessern. Es werden Methoden des Typs 1 und des Typs 2 der Entscheidungsfindung untersucht.
Kognitive Fehler wie Verfügbarkeitsverzerrung, affektive Verzerrung und Verankerung.
Und mögliche Lösungen wie das Human Diagnosis Project. Schließlich untersucht das Buch die Rolle der Systembiologie und der Präzisionsmedizin bei der klinischen Entscheidungsunterstützung und liefert mehrere Fallstudien, wie die KI der nächsten Generation die Patientenversorgung verändert.
| ISBN: | 9781032081854 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2021 |
| Seitenzahl: | 184 |
Derzeit verfügbar, auf Lager.
