Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Von Bedrohung bis kollaborative Partnerschaft:
3
Zitationen
2
Autoren
2021
Jahr
Abstract
Deutsch. Die Radiologie gilt als technik-affiner Bereich der Medizin und rückt somit auch immer weiter in den Fokus für die Anwendung künstlicher Intelligenz zur Unterstützung der Entscheidungsfindung. Dieser Beitrag fokussiert auf die Perspektiven niedergelassener Radiolog*innen im deutschsprachigen Raum und ihren Vorstellungen von KI-Systemen. Dabei geht es auch darum, welche Rollen einer KI aus Sicht der Radiolog*innen zufallen könnten/sollten und welche Aufgabengebiete einer KI sie sich vorstellen können. Die qualitative Studie basiert auf teilstrukturierten Interviews mit fünf Radiolog*innen und zeigt ein differenziertes Bild auf die Rollen der KI im Befundungsprozess: beginnend bei der KI als Erst- oder Zweit-Befunder, über den Kollaborationspartner bis hin zur KI als Alleinbefunder in Notfallsituationen. Zudem wurden über den Befundungsprozess hinaus Anwendungsgebiete über den gesamten Metaprozess einer radiologischen Praxis genannt, von administrativen bis hin zu interaktiven Funktionen. Aus den Ergebnissen der Studie lassen sich Hinweise auf drei sich bedingende und aufeinander aufbauende Ansätze für die Systemgestaltung ableiten. Zunächst empfiehlt sich ein (1) adaptives, interaktives System mit Fokus auf den Befundungsprozess, zudem die Entwicklung eines (2) Service-Ökosystems über den Befundungsprozess hinaus und die (3) Berücksichtigung aller Beteiligten Nutzer*innengruppen. Für eine spezifischere Ausarbeitung dieser Empfehlungen ist noch weitere Forschung notwendig, um die die Einbettung von KI in ein sozio-technisches Arbeitssystem sowie die Ausschöpfung des Potenzials der Zusammenarbeit der Radiolog*innen mit KI zu erleichtern.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.245 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.102 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.468 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.776 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.429 Zit.