In dieser Folge versuchen wir vom Status quo der Nutzung von Künstlicher Intelligenz in der Gyn zu berichten. Ist Künstliche Intelligenz in deutschen Krankenhäusern nur Zukunftsmusik oder längst Realität? Wo wird sie schon eingesetzt – und welche Jobs sind gegebenenfalls in Gefahr? Wir erfahren, ob KI wirklich besser diagnostiziert als Ärzt*innen, wo sie in der Geburtshilfe bereits eingesetzt wird und warum Diversität bei der Entwicklung solcher Systeme kein nettes Extra, sondern zwingend notwendig ist.

Katrin erzählt natürlich auch wie viel KI sie bisher in ihrem Arbeitsalltag nutzt.

Folgennotizen:

• Unterstütze uns via PayPal: mail @ clitoriassecrets.de oder
• Unseren Steady Account findet ihr hier ↓
  https://steadyhq.com/clitoriassecrets
• Hast du Clitoria’s Secrets schon bewertet? Wir würden uns tierisch freuen, wenn du uns bei Apple Podcasts, in deinem Podcatcher (sofern möglich) oder auf Spotify bewertest! Das bringt uns mehr Sichtbarkeit und wir möchten das gynäkologische Know-How an möglichst viele Hörerende weitergeben.
• Das Krankenhauszukunftsgesetz

Für alle Interessierten….wir haben ja noch etwas nachzureichen:

Künstliche Intelligenz (KI) ist der Überbegriff. Sie beschreibt Systeme oder Programme, die auf eine „intelligente“ Weise Aufgaben lösen, die eigentlich menschliches Denken erfordern – z. B. Sprache verstehen, Bilder erkennen, Entscheidungen treffen.

Maschinelles Lernen (ML) ist ein Teilgebiet der KI. Hier lernt ein System nicht durch Programmieren, sondern durch Daten.
→ Es wird nicht gesagt, wie es etwas tun soll, sondern es bekommt viele Beispiele und lernt selbst Regeln und Muster daraus.

Wie funktioniert maschinelles Lernen im Bereich der Tumorerkennung?

1. Datensammlung (die Grundlage):
   Du brauchst viele Ultraschallbilder – sagen wir: 100.000.
   Jedes Bild muss markiert sein mit dem richtigen Ergebnis (z. B. „bösartig“ oder „gutartig“). Diese Labels stammen meistens aus Biopsien, also der echten Diagnose.
2. Training eines Modells:
   Diese Bilder und ihre Diagnosen gibst du einem ML-Modell – z. B. einem neuronalen Netz.
   Das Modell versucht, aus diesen Bildern zu lernen, welche visuellen Merkmale typisch für bösartige Tumore sind (z. B. Form, Ränder, Echogenität, Umgebung).
3. Anpassung und Optimierung:
   Das System macht am Anfang viele Fehler. Es vergleicht jedes Mal seine Vorhersage mit dem „richtigen“ Ergebnis und passt sich an, um beim nächsten Bild besser zu liegen.
   Dieser Prozess nennt sich Backpropagation und passiert oft Millionen Mal.
4. Validierung (Testen):
   Nachdem es gelernt hat, wird es an neuen, ungesehenen Bildern getestet. Man prüft, wie gut es wirklich generalisieren kann – also nicht nur „auswendig gelernt“ hat, sondern versteht, worauf es ankommt.
5. Feintuning und Einsatz:
   Wenn das Modell zuverlässig arbeitet, kann es in ein Ultraschallgerät eingebaut oder als Software genutzt werden. Es gibt dann z. B. Wahrscheinlichkeiten an wie „Dieser Tumor ist zu 87 % bösartig“.

Kommentare könnt ihr gerne auf der jeweiligen Folgen-Webseite hinterlassen, auf iTunes oder bei Spotify. Kontaktaufnahmen gehen via Instagram (Clitoria’s Secrets) oder mail[@]clitoriassecrets.de
Besten Dank für die kreative Unterstützung in Sachen Coverbild Coverbild [Oliver Köbler] (jetzt auch KI-unterstützt) und Jingle [Michael Bloß]!