Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
www medicaldesign news Machine Learning HealtHcare It SecurIty auf seine eigentliche Arbeit mit den Daten konzentrieren ■ ■ Symbiose von Technologie und Mensch – Maschinelles Lernen hilft Ärzten bei ihren Diagnosen schneller und präziser zu sein Es verringert die Fehlerwahrscheinlichkeit und führt zu einer höheren Qualität der Analyse Doch selbst das beste ML-Modell kommt zu falschen Ergebnissen wenn es nicht zu den vorliegenden Daten und Verfahren passt Die Optimierung der ML-Modelle ist ein kontinuierlicher Prozess Allerdings ist auch beim Einsatz von maschinellem Lernen weiterhin die menschliche Expertise als Korrektiv gefragt ■ ■ Schnelle und hochpräzise Diagnose In diesen ersten Pilotstudien hat sich die Kooperation zwischen dem MLL und AWS als Erfolg erwiesen Die Konfiguration und das Steuern des Trainingsalgorithmus für das ML-Modell erfolgen vollständig automatisch und das Forscherteam konnte sich auf die Arbeit mit den Daten konzentrieren Die integrierte Funktion zur automatischen Modellabstimmung erhöhte zudem die Genauigkeit des Modells ohne dass dessen Architektur oder die Hyperparameter Drei Fragen an Jens Dommel leiter HealtHcare emea aWs Wie entstand die Zusammenarbeit zwischen mll und aWs? Was leistet der sagemaker in der Forschung? AWS bietet die aktuellsten Cloud-Technologien an und ist somit oft die erste Anlaufstelle Das MLL überzeugte die enge Zusammenarbeit und unsere umfassende Expertise So konnten die Forschenden eine schnelle und effiziente Lösung für das Leukämie-Projekt umsetzen Da die Gesundheitsdaten der Patienten oberste Priorität haben war dem Labor auch ein hohes Maß an Datenschutz wichtig Mit AWS hat das MLL vollständige Kontrolle über sämtliche Inhalte und kann selbst bestimmen wo und wie die Daten gespeichert werden Und natürlich auch wer welchen Zugriff auf die Patienteninformationen haben darf Mit Amazon SageMaker wird Machine Learning für das Labor nutzbar Der Dienst verfügt über eine große Auswahl an Werkzeugen und bietet damit eine integrierte Entwicklungsumgebung Mit SageMaker kann das MLL seine Daten einfach vorbereiten und Modelle trainieren Die visuelle Oberfläche hilft dabei Welche weiteren aWstechnologie lassen sich für die medizintechnik nutzen? Die Einsatzmöglichkeiten sind vielfältig Wir arbeiten eng mit dem EHR Electronic Health Records zusammen um mithilfe neuer Technologien wie Stimmerkennung natürli che Sprachverarbeitung und Machine Learning den administrativen Aufwand zu reduzieren Aber auch bei der medizinischen Bildgebung trägt die Cloud dazu bei die Gesamtkosten zu senken und schneller Erkenntnisse zu gewinnen Ein Bericht des AWS Cloud Economics Centre zeigt dass sich mit Cloud-Migrationen im europäischen Gesundheitswesen insgesamt etwa 14 5 Milliarden Euro einsparen ließen Öffentliche Einrichtungen Krankenhäuser und biowissenschaftliche Institute könnten gleichzeitig von verbesserten digitalen Funktionen profitieren – einschließlich fortschrittlicher Datenanalyse und maschinellem Lernen In der Medizintechnik fallen beispielsweise täglich Petabytes an unstrukturierten Daten an und die Menge wächst exponentiell Derzeit bleiben 97 Prozent dieser Daten ungenutzt da sie schwer zu indizieren und zu analysieren sind Cloud-Services könnten helfen die gewaltigen Mengen an erfassten Daten sinnvoll zu nutzen Wie sieht ihre Vision von Digital Health in Zukunft aus und wie will aWs sie mitgestalten? Corona hat gezeigt wie hoch die Anforderungen an das Gesundheitssystem sind Es muss effizient und flexibel sein Gleichzeitig stehen Ärzte und Pflegekräfte unter großem Druck Das Personal zu entlasten ist eine der wichtigsten Baustellen der kommenden Jahre Gleichzeitig sollten wir aber auch die Patienten stärker in den Mittelpunkt rücken und darauf hinarbeiten die Arzt-Patientenbeziehung kontinuierlich zu verbessern Das betrifft vor allem individualisierte und schnellere Diagnosen AWS hilft nicht nur die Behandlung auf Grundlage von Machine Learning zu optimieren Mithilfe von Cloud-Services lassen sich auch sensible Gesundheitsdaten Compliancekonform von jedem Ort nutzen Das verbessert die Angebote in der Telemedizin und eröffnet zahlreiche Möglichkeiten Patienten auf der ganzen Welt zu behandeln Schutz-Lizenzierungsund Sicherheitstools Robuste Cybersicherheit skalierbar modular effizient Schützt und monetarisiert Maschinensoftware Daten und digitale Designs Das CodeMeter-Universum Starten Sie jetzt und fordern Sie Ihr CodeMeter SDK an wibu de sdk +49 721 931720 sales@wibu com www wibu com manuell abgestimmt werden mussten Das Labor ist mit dem bisherigen Erfolg des Projekts zufrieden und will den Ansatz noch weiter verbessern Geplant ist die Vision einer blitzschnellen hochpräzisen und algorithmisch objektiven Leukämiediagnose weltweit voranzutreiben uh ■