Loading
Medizinische Universität Graz   Hilfe

Meine Abschlussarbeiten - Publikationen

Diplomarbeit - Detailansicht
Wichtigste Meldungen anzeigenMeldungsfenster schließen
Bibliografische Informationen
 Annotation medizinischer Begriffe für Anwendungen der künstlichen Intelligenz - Konzepte und Herausforderungen  
 Ob bei der automatisierten Auswertung von medizinischen Texten, der Analyse radiologischer

Bilder oder der Unterstützung bei Diagnosen – künstliche Intelligenz (KI) findet zunehmend

Anwendung in der Medizin. Damit solche Systeme zuverlässig funktionieren, müssen sie

medizinische Inhalte korrekt erkennen und interpretieren. Die Grundlage hierfür bildet die

sogenannte Annotation – die gezielte Kennzeichnung und Strukturierung medizinischer Daten..

Diese Arbeit bietet eine umfassende Literaturübersicht über Klassifikationen, Terminologien

und Ontologien, die in der medizinischen Annotation verwendet werden, und analysiert deren

Einfluss auf maschinelle Lernanwendungen. Besonders hervorgehoben wird die zentrale Rolle

qualitativ hochwertiger, konsistenter Annotationen, da diese maßgeblich zur Leistungsfähigkeit

und Sicherheit von KI-Modellen in der klinischen Praxis beitragen. Die Arbeit untersucht

bestehende medizinische Klassifikationssysteme wie Internationale statistische Klassifikation

der Krankheiten und verwandter Gesundheitsprobleme (ICD), Systematisierte Nomenklatur der

Medizin – Klinische Termini (SNOMED-CT), Medical Subject Headings (MeSH) und andere

und bewertet deren Rolle bei der Strukturierung medizinischer Daten für KI-gestützte

Anwendungen. Darüber hinaus werden die Bedeutung von Natural Language Processing (NLP)

sowie der MATTER-Annotationszyklus im Annotationsprozess erläutert. Neben

praxisbezogenen Anwendungen von NLP und KI in der Medizin – darunter klinische

Dokumentation, Bildverarbeitung, Patienteneinbindung und diagnostische Unterstützung –

werden auch ethische und regulatorische Herausforderungen analysiert. Der Fokus liegt hierbei

insbesondere auf der europäischen Gesetzgebung sowie auf spezifischen Regularien in

Österreich. Die Ergebnisse unterstreichen die Relevanz standardisierter medizinischer Daten

und regulatorischer Vorgaben für eine sichere und effektive Implementierung von KI im

Gesundheitswesen.  
 KI in der Medizin; NLP; Medizinische Klassifikation; Ontologien;  
 
 –  
Autorinnen*Autoren / Co-Autorinnen*Co-Autoren
  Hubner, Martin Michael
Betreuende Einrichtung / Studium
  Universitätsklinik für Radiologie
 UO 202 Humanmedizin  
Betreuung / Beurteilung
  Reishofer, Gernot; Research Prof. Priv.-Doz. Dipl.-Ing. Dr.
  Hassler, Eva Maria; Univ. FÄ Priv.-Doz. Dr.med.univ.