Ausbildungskonzepte im Feld Digitalisierung und künstlicher Intelligenz in der Kardiologie

Zusammenfassung

Digitalisierung und künstliche Intelligenz (KI) sind aus dem klinischen Alltag nicht mehr wegzudenken. Dennoch gibt es bisher kaum eine strukturierte Fort- und Weiterbildung in diesem neuen, aber wichtigen Feld der Medizin. Zum jetzigen Stand existieren lediglich vereinzelte Projekte an Universitäten oder auf Tagungen, jedoch keine flächendeckende, curriculare Ausbildung. Dringend sind hier interdisziplinäre Fortbildungskonzepte gefordert, die nicht nur die technischen Herausforderungen der Digitalisierung und KI adressieren, sondern auch ihre jetzigen bzw. zukünftigen Anwendungsgebiete im klinischen Alltag. Dies sollte bereits während des Studiums eine zentrale Rolle einnehmen und anschließend im Rahmen von Fortbildungen oder Kongressbesuchen während der klinischen Ausbildung vertieft werden.

Abstract

Digitalization and artificial intelligence (AI) are inseparably connected to clinical daily routine work. So far, there is only very few structured education or training in this evolving and important field in medicine or cardiology. In the future, interdisciplinary education concepts are of needed to enhance the knowledge not only of technical issues of digitalization and AI, but also to discuss current and future scopes of possible applications. Ideally, this training should be during medical studies and during further clinical training. As today, there are only very few structured training possibilities in University projects or during congresses, in Germany.

Schlüsselwörter

Ausbildungskonzepte - Digitalisierung - KI

Keywords

digitalization - AI - educational concepts

• Literatur

• 1 Choy G, Khalilzadeh O, Michalski M. et al. Current applications and future impact of machine learning in radiology. Radiology 2018; 288: 318-328
• 2 WHO. Ethics and Governance of Artificial Intelligence for Health. 2021 Accessed October 10, 2023 at: https://www.who.int/publications/i/item/9789240029200
• 3 Adedinsewo D, Carter RE, Attia Z. et al. An Artificial Intelligence-Enabled ECG Algorithm to Identify Patients with Left Ventricular Systolic Dysfunction Presenting to the Emergency Department with Dyspnea. Circ Arrhythmia Electrophysiol 2020; 13: e008437
• 4 Andersen R, Peimankar R, Puthusserypady S. A Deep Learning Approach for Real-Time Detection of Atrial Fibrillation. Expert Syst Appl 2019; 115: 465-473
• 5 Cohen-Shelly M, Attia ZI, Friedman PA. et al. Electrocardiogram screening for aortic valve stenosis using artificial intelligence. Eur Heart J 2021; 42: 2885-2896
• 6 Leiner T, Rueckert D, Suinesiaputra A. et al. Machine learning in cardiovascular magnetic resonance: basic concepts and applications. J Cardiovasc Magn Reson 2019; 21: 61
• 7 Breitbart P, Duncker D, Billig H. Digitalisierung der Herzmedizin: Wo wir stehen und wo wir hinwollen. In: Kompendium Herz-Kreislauf. Stuttgart: Thieme; 2023: 65-70
• 8 Diller GP, Kempny A, Babu-Narayan SV. et al. Machine learning algorithms estimating prognosis and guiding therapy in adult congenital heart disease: data from a single tertiary centre including 10019 patients. Eur Heart J 2019; 40: 1069-1077
• 9 Zippel-Schultz B, Schultz C, Müller-Wieland D. et al. Künstliche Intelligenz in der Kardiologie. Herzschrittmacherther Elektrophysiol 2021; 32: 89-98
• 10 Santos DP dos, Giese D, Brodehl S. et al. Medical students’ attitude towards artificial intelligence: a multicentre survey. Eur Radiol 2019; 29: 1640-1646
• 11 Werdan K, Baldus St, Bauersachs J. et al. Curriculum Kardiologie. Kardiologe 2020; 14: 505-536
• 12 Lee J, Wu AS, Li D. et al. Artificial Intelligence in Undergraduate Medical Education: A Scoping Review. Acad Med 2021; 96: S62-S70
• 13 Meder B, Duncker D, Helms TM. et al. eCardiology: a structured approach to foster the digital transformation of cardiovascular medicine. Kardiologie 2023;