Bedeutung der künstlichen Intelligenz für die computergestützte Chirurgie

Computer sind aus dem privaten wie auch aus dem medizinischen Alltag nicht mehr wegzudenken. Gerade die in den letzten Jahrzehnten aufgekommenen immer größeren Rechenkapazitäten ermöglichen ein Forschungsfeld, was in der Mitte des letzten Jahrhunderts nur Theorie war: künstliche Intelligenz. Diese mal mehr und mal weniger offensichtliche Technologie ist im Alltag bereits weit verbreitet und hält auch immer mehr Einzug in die Medizin. Dabei sind die Einsatzmöglichkeiten mannigfaltig: von Risikostratifizierung über Kommunikation bis zu autonomen Robotern. Bisher konnte in vielen Studien gezeigt werden, dass künstliche Intelligenz Vorteile hat, vor allem in der Analyse und Interpretation großer Datenmengen. Diese Daten sind die Grundlage dieser Wissenschaft. Allerdings sollte man auch nicht außer Acht lassen, dass mit der Betrachtung computer- und algorithmusgestützter Aussagen ethische und medikolegale Fragen einhergehen, welche abschließend noch nicht beantwortet sind. Alles in allem hat die künstliche Intelligenz innerhalb der computergestützten Chirurgie und Medizin im Allgemeinen das Potenzial, diese sicherer und zielgerichteter zu machen.

Publikationsverlauf

Artikel online veröffentlicht:
15. Juni 2022

• Literatur

• 1 McCarthy J, Minsky ML, Rochester N. et al. A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955. AI Magazine 2006; 27: 21
• 2 Europäisches Parlament. Was ist künstliche Intelligenz und wie wird sie genutzt?. 2021 Zugriff am 22. Februar 2022 unter: https://www.europarl.europa.eu/news/de/headlines/society/20200827STO85804/was-ist-kunstliche-intelligenz-und-wie-wird-sie-genutzt
• 3 IBM Clud Education. What is artificial intelligence?. 2020 Zugriff am 20. Februar 2022 unter: https://www.ibm.com/cloud/learn/what-is-artificial-intelligence
• 4 Gumbs AA, Perretta S, d’Allemagne B. et al. What is Artificial Intelligence Surgery?. Art Int Surg 2021; 1: 1-10
• 5 Bertsimas D, Dunn J, Velmahos GC. et al. Surgical Risk Is Not Linear: Derivation and Validation of a Novel, User-friendly, and Machine-learning-based Predictive OpTimal Trees in Emergency Surgery Risk (POTTER) Calculator. Ann Surg 2018; 268: 574-583
• 6 Maurer LR, Bertsimas D, Bouardi HT. et al. Trauma outcome predictor: An artificial intelligence interactive smartphone tool to predict outcomes in trauma patients. J Trauma Acute Care Surg 2021; 91: 93-99
• 7 Twinanda AP, Yengera G, Mutter D. et al. RSDNet: Learning to Predict Remaining Surgery Duration from Laparoscopic Videos Without Manual Annotations. IEEE Trans Med Imaging 2019; 38: 1069-1078
• 8 Madani A, Namazi B, Altieri MS. et al. Artificial Intelligence for Intraoperative Guidance: Using Semantic Segmentation to Identify Surgical Anatomy During Laparoscopic Cholecystectomy. Ann Surg 2020;
• 9 Saeidi H, Opfermann JD, Kam M. et al. A Confidence-Based Shared Control Strategy for the Smart Tissue Autonomous Robot (STAR). Rep U S 2018; 2018: 1268-1275