Beitrag

Schlüsseltechnologie, Revolution oder Wendepunkt für die Welt - es gibt eine ganze Reihe von Attributen, mit denen Künstliche Intelligenz gleichgesetzt wird. Doch bei aller Faszination für die Möglichkeiten dieser Technologie, heißt es auch immer, den Datenschutz nicht zu vernachlässigen. Insbesondere gilt das für den Einsatz von KI im Gesundheitswesen, denn gerade im medizinischen Bereich handelt es sich um ausgesprochen sensible Daten. Wir haben uns daher mal umgehört, welche Möglichkeiten es gibt, KI und Datenschutz zu vereinen!

Länge: 1'30''

Autorin: Katharina Adams
Sprecherin: Sabrina Diakow

Manuskript

|Anmoderationsvorschlag 1:|
Schlüsseltechnologie, Revolution oder Wendepunkt für die Welt - es gibt eine ganze Reihe von Attributen, mit denen Künstliche Intelligenz gleichgesetzt wird. Doch bei aller Faszination für die Möglichkeiten dieser Technologie, heißt es auch immer, den Datenschutz nicht zu vernachlässigen. Insbesondere gilt das für den Einsatz von KI im Gesundheitswesen, denn gerade im medizinischen Bereich handelt es sich um ausgesprochen sensible Daten. Meine Kollegin Sabrina Diakow hat sich daher mal umgehört, welche Möglichkeiten es gibt, KI und Datenschutz zu vereinen:

|Anmoderationsvorschlag 2:|
Künstliche Intelligenz – wir begegnen ihr fast überall und sie ist ganz selbstverständlich in unseren Alltag integriert. In Streaming-Apps, Navigationssystemen oder beim Fotografieren mit dem Handy, ganz ohne KI geht nicht mehr viel. Das gilt natürlich auch für den Bereich Gesundheit. Und gerade hier stellt sich die Frage, wie Künstliche Intelligenz optimal genutzt werden kann ohne dabei den Schutz sensibler Daten zu vernachlässigen. Meine Kollegin Sabrina Diakow ist dieser Frage auf natürlichem Weg mal nachgegangen:

|Anmoderationsvorschlag 3:| ab 28. August
Vor kurzem / Letzte Woche ist ja die Gamescom, die weltgrößte Messe für Computer- und Videospiele, zu Ende gegangen. Coronabedingt nun schon zum zweiten Mal rein virtuell aber auch so war es für die Gaming-Fans ein Fest. In den neuen Spielen geht ohne Künstliche Intelligenz übrigens gar nichts mehr. Und auch andere Branchen werden immer digitaler und die Anwendung von KI hat sich mittlerweile etabliert. Besonders spannend ist dabei die Frage nach dem Einsatz von Künstlicher Intelligenz im Gesundheitswesen. Denn neben den enormen Chancen, geht es hier auch immer um den richtigen Umgang mit sensiblen Daten. Meine Kollegin Sabrina Diakow hat sich mal schlau gemacht:

|Sprecherin:|
Die Grundlage für den Erfolg von künstlicher Intelligenz ist die Verfügbarkeit von Daten, weiß Nicola Rieke, KI-Expertin für den Bereich Healthcare bei NVIDIA:

|O-Ton Dr. Nicola Rieke, KI-Expertin für den Bereich Healthcare bei NVIDIA:| 0:14“
Um einen KI-Algorithmus effizient trainieren zu können, kommt es auf die Menge und die Qualität der Daten an. Und das gilt auch für den Gesundheitsbereich, in dem der Einsatz von KI etwa dazu beitragen kann, Krankheiten früher zu erkennen oder neue Medikamente zu entwickeln.

|Sprecherin:|
Doch gibt es einiges zu beachten:

|O-Ton Dr. Nicola Rieke, KI-Expertin für den Bereich Healthcare bei NVIDIA:| 0:22“
Überall im Gesundheitswesen werden riesige Datenmengen gespeichert. Doch reichen sie im einzelnen Krankenhaus oft nicht aus, um daraus ein robustes KI-Modell zu entwickeln. Es werden mehr dieser sensiblen Daten benötigt, die jedoch nicht einfach global zwischen den Instituten kombiniert werden können. Eine Methode, um gemeinsam Modelle zu trainieren ohne personenbezogene Daten auszutauschen, ist Federated Learning.

|Sprecherin:|
Ein Ansatz, der durchaus punkten kann:

|O-Ton Dr. Nicola Rieke, KI-Expertin für den Bereich Healthcare bei NVIDIA:| 0:39“
Federated Learning bedeutet kollaboratives, also gemeinsames Lernen ohne Austausch von sensiblen Daten: ein zentraler Server teilt das aktuelle, globale KI-Modell mit den Instituten, die es jeweils weiter trainieren, auf den lokalen Daten. Die daraus gewonnenen Änderungen des Modells werden an den zentralen Server gesendet, der diese kombiniert, das globale Modell aktualisiert und wieder teilt. So wird iterativ ein hochwertiges Modell berechnet, das von allen verwendet werden kann. Mit NVIDIA Clara stellen wir ein optimiertes Anwendungs-Framework - inklusive Federated Learning durch NVFlare - für das Gesundheitswesen und die Biowissenschaften bereit, das hilft, das maximale Potential von Daten sicher, genau und effizient zu nutzen.

|Sprecherin:|
Weitere Infos gibt es auch unter nvidia.com.