Ringvorlesung KI SoSe 2021

Im Folgenden finden Sie alle Blogbeiträge zur Ringvorlesung Künstliche Intelligenz.

Eine Anmeldung findet über das Kursportal der TH Aschaffenburg statt. Die Veranstaltung wird online, via Zoom jeweils von 16.00Uhr bis ca. 17.30Uhr durchgeführt.


Teilnahmezertifikat

Die Teilnehmenden könnnen eine Teilnahmebescheinigung erhalten.

Externe Teilnehmende, die darüber hinaus ein qualifiziertes Zertifikat der Hochschule über die Teilnahme an der gesamten Ringvorlesungsreihe erhalten möchten, können nach Registrierung als Gasthörer der TH Aschaffenburg an der Prüfung teilnehmen.

Studierende der TH Aschaffenburg belegen die Ringvorlesung im Rahmen der regulären Fächerbelegung als AWPF oder Wahlfach. Zum Ende der Vorlesungsreihe findet eine schriftliche Prüfung statt.
Die Veranstaltung ist mit 2,5 ECTS-Punkten bewertet.
 


Termine

TerminThemaReferent/in
29.03.2021Künstliche Intelligenz in der medizinischen Bildanalyse – Chancen und HerausforderungenJaroslav Bláha (CellMatiQ GmbH)
12.04.2021Network Science: A Fundamental Tool in NeuroscienceProf. Dr. Francisco A. Rodrigues (University of São Paulo)
19.04.2021Wie Wearables und digitale Zwillinge die Gesundheitsversorgung verändernProf. Dr. Oliver Ampft (Friedrich-Alexander-Universität Erlangen-Nürnberg)
26.04.2021Real-world Applications of Artificial Intelligence in NeuromedicineProf. Dr. Roland Wiest (Support Center for Advanced Neuroimaging, Universität Bern)
03.05.2021Künstliche Intelligenz in der Pharmaindustrie – Hype oder Realität?Tobias Manner-Romberg (Verband der forschenden Pharma-Unternehmen (vfa))
10.05.2021Clinical Decision Support zwischen Wissensbasen und Deep LearningProf. Dr. Cord Spreckelsen (Institute of Medical Statistics, Computer and Data Sciences, Universitätsklinikum Jena)
17.05.2021Nutzung von Graph-basierten Systemen für KI Anwendungen in der MedizinJan Kirchhoff (medicalvalues)
31.05.2021Einsatz von Machine Learning im Kampf gegen COVID-19Prof. Dr. Holger v. Jouanne-Diedrich (Technische Hochschule Aschaffenburg), Dr. Anna Laura Herzog (Universitätsklinikum Würzburg)
14.06.2021Plattformen im Gesundheitswesen - Wie aus Daten mit KI neue diagnostische Werkzeuge werden.Dr. Thomas Friese (Siemens Healthcare GmbH)
21.06.2021Digitalisierung im Gesundheitswesen und die Vision eines Digitalen ZwillingsProf. Dr. Jürgen Vaupel (Technische Hochschule Aschaffenburg)
28.06.2021Artificial Intelligence in Computational HematopathologyDr. Carsten Marr (Institute of Computational Biology, Helmholtz Zentrum München)

Ankündigungen

29.03.2021

Künstliche Intelligenz in der medizinischen Bildanalyse – Chancen und Herausforderungen

mit Jaroslav Bláha (CellMatiQ GmbH)

Prototypen von künstlicher Intelligenz in der medizinischen Bilddiagnostik schreiten mit aggressiver Geschwindigkeit voran und fast täglich werden neue Anwendungen identifiziert. Dennoch gibt es weltweit nur ca. 50 solcher zertifizierten und weit verbreiteten Anwendungen.

Die Präsentation behandelt folgende Themen:
- Beispielanwendungen und der Markt für medizinische Bild-KI
- Grundlegende Technologien und ihre Einschränkungen
- Datenmanagement als kritischer Erfolgsfaktor
- Zertifizierung der medizinischen KI
- Risiken und ethische Bedenken

12.04.2021

Network Science: A Fundamental Tool in Neuroscience

mit Prof. Dr. Francisco A. Rodrigues (University of São Paulo)

Our brain is composed of neurons linked by synapsis. In this way, we can represent the brain organization as a complex network and study its structure, function and dynamics. In this talk, we will show how Network Theory can be used in neuroscience, from the micro-level of neuronal modelling to the characterization of the large scale brain organization. We will discuss some important results obtained so far and show how network science, coupled with machine learning, can be used to improve the diagnosis of mental disorders and understand how the brain structure is related to these diseases.

 

19.04.2021

Wie Wearables und digitale Zwillinge die Gesundheitsversorgung verändern

mit Prof. Dr. Oliver Ampft (Friedrich-Alexander-Universität Erlangen-Nürnberg)

Dieser Vortrag konzentriert sich auf ausgewählte Möglichkeiten zum Einsatz von körpergetragenen, eingebetteten Systemen, insbesondere Wearables, in der Gesundheitsversorgung. Sensorik und Aktuatorik in Kleidungsstücken oder alltäglichen Accessoires bieten zahlreiche Möglichkeiten zur kontinuierlichen Erfassung von physiologischer und physischer Aktivität, Verhalten, sowie Umwelteinflüssen, sowie zur Interaktion und Intervention. Diese Funktionen können die Gesundheitsversorgung ergänzen, wenn geeignete Methoden zur Datenmodellierung und Inferenz gefunden werden: Neben dem Umgang mit Artefakten stehen dabei die automatisierte Kontextualisierung von Messdaten sowie die Modellierung von menschlichen digitalen Zwillingen zur Entscheidungsfindung im Vordergrund. Ausgehend von bekannten Einsatzfeldern sowie gerade in Entwicklung befindlichen Verfahren werden die Herausforderungen für den Technologieeinsatz im Alltag erörtert und der Bedarf für personalisierende System verdeutlicht. Dabei werden zuerst Algorithmenbeispiele vorgestellt. Im anschliessenden Teil wird der gemeinsame Einsatz von technischen und menschlichen digitalen Zwillingen zur Gestaltung personalisierter Systeme erläutert und Zukunftsvisionen aufgezeigt.  

 

26.04.2021

Real-world Applications of Artificial Intelligence in Neuromedicine

mit Prof. Dr. Roland Wiest (Support Center for Advanced Neuroimaging, Universität Bern)

Neuroimaging plays a central role in the clinical diagnosis and workup in a majority of diseases of the central nervous systems. Expert reading requires extensive training and reading is dependent not only on personal experience but also on vigilance of the reader and may lead to considerable inter- and intra-rater variability. Clinically applicable diagnostic AI systems aim at leveraging the daily workflow both at highly specialized centers and general radiology by using “narrow AI systems” with different aims: Quantitative imaging tools aim at the volumetric depiction of cerebral lesions and their substructures, as e.g. different compartments of brain tumors and the longitudinal evolution of lesions under therapy, whereas computer aided detection systems aim at the information and priorization of abnormal findings in the context of an immense workload, as typically observed in emergency settings in large hospitals. Here, the goal is to provide increased sensitivity at the cost of specificity to allow priorization at minimum delay in response to abnormal and potentially harmful conditions as e.g. in the case of cerebral hemorrhage. Decision support systems focus on point of care diagnosis in order to avoid selection biases and overlooking of rare conditions. These systems play an important role in situations, where a patient needs to be transferred from “spoke hospitals” to “hub hospitals”, where adequate therapy can be administered without loss of time (and brain), as e.g. in acute ischemic stroke. Finally, computer aided diagnosis aims at pattern recognition and complements diagnostic support systems in the clinical application. These systems frequently use combinations of clinical scores and imaging data in order to classify clinically difficult differential diagnoses, e.g. in the differentiation of movement disorders as Parkinson’s disease. Beyond applications of AI systems for diagnosis and longitudinal monitoring, an emerging field constitutes the analysis of hidden structures in imaging data (radiomics). Here, large amount of features from medical images are used for tissue characterization through computational analysis and models to identify predictive image biomarkers that characterize disorders and alterations of brain structure in response to treatment. A principal advantage is the potential of these algorithms to handle heterogeneity at the molecular level as well as in imaging. Databases are analyzed to identify imaging features with the highest diagnostic, prognostic, or predictive value for the outcome of interest. Radiomics have been primarily applied in neuro-oncology, but must be still considered as experimental. In neuromedicine -beyond neuroimaging -many other promising applications are currently under investigation, as e.g. sensors for movement analysis, automated seizure detection in epilepsy or remote neuro-interventions using robotic systems. From the perspective of neuromedicine, the training of specialists – both with clinical or engineering background – as well as the establishments of interprofessional teams in hospitals - will be among the most challenging tasks for a swift transition of AI medical systems into daily workflows.  

03.05.2021

Künstliche Intelligenz in der Pharmaindustrie – Hype oder Realität?

mit Tobias Manner-Romberg (Verband der forschenden Pharma-Unternehmen (vfa))

Krankheiten immer besser zu verstehen und wirksame Impfstoffe und Medikamente zu entwickeln, daran arbeiten die forschenden Pharmaunternehmen jeden Tag. Dennoch vergehen von der Idee bis zur Zulassung von neuen Impfstoffen und Therapien in der Regel mehr als 10 Jahre. KI kann dabei helfen, Teile dieses Prozesses zu optimieren und zu beschleunigen. Am Beispiel der COVID-19-Impfstoff-Entwicklung nähern wir uns der Frage, inwiefern KI schon heute Realität in der pharmazeutischen Praxis ist und wie KI bei der Bewältigung der aktuellen Pandemie unterstützen kann. Hierzu analysieren wir unterschiedliche Anwendungsfälle von KI entlang der gesamten pharmazeutischen Wertschöpfungskette. Gleichzeitig wagen wir einen Blick in die Zukunft und widmen uns weiteren denkbaren Anwendungsszenarien.

10.05.2021

Clinical Decision Support zwischen Wissensbasen und Deep Learning

mit Prof. Dr. Cord Spreckelsen (Institute of Medical Statistics, Computer and Data Sciences, Universitätsklinikum Jena)

In den letzten Jahren erzielten tiefe künstliche neuronale Netze einige spektakuläre Erfolge in medizinischen Anwendungskontexten - hier insbesondere in der Bild- und Signalanalyse bzw. -diagnostik. Medizinische Entscheidungsunterstützung erfolgt aber auch durch Ansätze künstlicher Intelligenz, in denen Wissen explizit modelliert wird (prominent: Beratungs-/Symptom-Checking-Apps des britischen NHS und kommerzieller Anbieter). Die jeweiligen Stärken und Schwächen der verschiedenen Ansätze zur computerbasierten Entscheidungsunterstützung zeigen sich erst bei Berücksichtigung ihrer soziotechnischen Komplikationen und drastischen regulatorischen Rahmenbedingungen. Die Vorlesung gibt einen Überblick über Einsatzfelder, KI-Ansätze und die davon abhängige Eignung der Verfahren.

17.05.2021

Nutzung von Graph-basierten Systemen für KI Anwendungen in der Medizin

mit Jan Kirchhoff (medicalvalues)

Labordaten sind wertvoll aber komplex - wir unterstützen Ärzte in der Probenanforderung und Auswertung durch Kombination von Machine Learning mit medizinischem Forschungswissen. Dies ermöglicht eine gezieltere und frühere Erkennung von Krankheiten wie Fettstoffwechselerkrankungen, Gerinnungsstörungen und Anämien. Unser Graph-basiertes White Box Machine Learning ermöglicht es uns, die Ergebnisse genau zu erklären. Zudem können wir das Wissen einrichtungsübergreifend zur Verfügung stellen. Wir arbeiten auch daran komplexe, interdisziplinäre Diagnosepfade zu unterstützen. Zudem wollen wir unser System auch in unterversorgten Regionen zur Verfügung stellen. Im Beitrag zur Ringvorlesung wird ein Überblick über die Nutzung von Graph basierten Systemen für die Medizin gegeben und dabei wird auch besonders auf das Thema Erklärbarkeit eingegangen. Zudem wird eine Demo vom System gezeigt sowie aktuelle Herausforderungen angesprochen und diskutiert (z.B. Standardisierung mit SNOMED).  

Das medicalvalues Team besteht aus Medizinern und Informatikern und die GmbH hat Büros in Karlsruhe und Marburg.

Neben unserer Website: www.medicalvalues.de finden sich auch hier im Video einige Infos: https://www.youtube.com/watch?v=P4rBkzgMcOo&t=2s

31.05.2021

Einsatz von Machine Learning im Kampf gegen COVID-19

mit Prof. Dr. Holger v. Jouanne-Diedrich (Technische Hochschule Aschaffenburg), Dr. Anna Laura Herzog (Universitätsklinikum Würzburg)

Hier fehlt noch etwas... :( 

14.06.2021

Plattformen im Gesundheitswesen - Wie aus Daten mit KI neue diagnostische Werkzeuge werden.

mit Dr. Thomas Friese (Siemens Healthcare GmbH)

Digitale Plattformen verbinden Anbieter und Konsumenten von Leistungen, sie versprechen dabei neue Geschäftsmodelle, Vereinfachung von Abläufen durch Automatisierung sowie neue Möglichkeiten der Daten-Sammlung, -Verarbeitung und -Analytik. Die Mechanismen der Plattform-Ökonomie haben große Auswirkungen auf viele Bereiche unseres Alltags gezeigt, prominente Beispiele stellen Airbnb oder Uber dar. Auch in vielen anderen Bereichen entstehen Plattformen, die sich an professionelle Anwender richten, das Gesundheitswesen stellt hier keine Ausnahme dar. In diesem Vortrag werden Beispiele betrachtet, wie digitale Plattformen für die Verbesserung von Abläufen im Einsatz medizintechnischer Geräte verwendet werden können und die Basis für die Entwicklung und die Bereitstellung neuer KI-basierter Systeme bilden.

21.06.2021

Digitalisierung im Gesundheitswesen und die Vision eines Digitalen Zwillings

mit Prof. Dr. Jürgen Vaupel (Technische Hochschule Aschaffenburg)

Hier fehlt noch etwas... :( 

28.06.2021

Artificial Intelligence in Computational Hematopathology

mit Dr. Carsten Marr (Institute of Computational Biology, Helmholtz Zentrum München)

Hier fehlt noch etwas... :(