Zahnärztliche Mitteilungen Nr. 22

andere als einfach ausfällt, sondern langwierig, komplex und teuer zu wer- den scheint. Auch sind viele KI-Anwendungen nur bedingt generalisierbar und robust – die relativ kleinen Datenmengen, die in der Medizin zur Verfügung stehen, schränken nicht nur die Genauigkeit von KI ein, sondern begrenzen auch die Übertragbarkeit von KI-Modellen: Die an Daten einer Population (zum Bei- spiel kaukasische Ethnien aus zahnärzt- lich gut versorgten Ländern) trainierten Modelle sind nicht zwingend generali- siert anwendbar auf Daten anderer Populationen (zum Beispiel Südasiaten mit wenig Zugang zu zahnmedizinischen Leistungen). Viele KI-Anwendungen sind zudem nur bedingt validiert worden, eine Validierung an externen Daten oder in prospektiven Studien ist oft nicht erfolgt. Unklar ist auch, inwieweit die demonstrierten Genauigkeitsdaten einer KI-Anwendung sich in Patienten- nutzen oder Nutzen für das Gesund- heitssystem, wie zum Beispiel Effizienz- gewinne oder in der Verringerung von Gesundheitsungleichheiten, nieder- schlagen. Nicht zuletzt sind viele KI-Modelle durch ihre komplexe intrinsische Struktur nur wenig interpretierbar; man spricht von einem „Black Box Modell“, bei dem für Nutzer nicht er- kennbar ist, anhand welcher Kriterien die KI zu einem Ergebnis kommt (Abbildung 4). Neuere technologische Ansätze helfen zu verstehen, worauf KI-Modelle ihre Entscheidungsfindung aufbauen. Erklärbare KI kann das Vertrauen in KI-basierte Anwendung stärken, weil die maschinelle mit der menschlichen Logik abgeglichen und so verifiziert werden kann. Dies ist rele- vant, weil aus anderen KI-Forschungs- feldern bekannt ist, dass KI-Modelle zu systematischen Verzerrungen neigen. Aufgrund der beschriebenen Probleme muss sichergestellt werden, dass KI in Medizin und Zahnmedizin robust, ge- neralisierbar, transparent und erklärbar entwickelt und validiert wird. Auch KI-Forschung muss evidenzbasiert erfolgen und KI-Anwendungen müs- sen sich an den hohen Hürden einer evidenzbasierten Medizin messen las- sen. Zahlreiche Initiativen lassen hier jedoch hoffen. So hat beispielsweise Abb. 5: Im Unterschied zu einer klassischen Softwareentwicklung, bei der nach der Festlegung der angestrebten Funktionalität sofort mit der Programmierung begonnen wird, bilden bei der Entwicklung von KI-Systemen Daten und deren Analyse (Annotation der interessierenden Parameter) den Ausgangspunkt. Daraus werden Modelle und Algorithmen entwickelt, die für die Arbeit der Software benötigt werden. Viele dafür benötigte Technologien werden im Internet als Open Source angeboten. Aus dem Programmieren der Benutzeroberfläche und dem Zusammen- fügen der Algorithmen und Modelle entsteht schließlich die KI-Software. Quelle: Schwendicke, Gaudin, Krois Entwicklung eines KI-Softwareprodukts Integration und Anbindung, Markteinführung und Post-Market Aktivitäten Softwareentwicklung Nutzerfeedback; Regulatorik (Medizinprodukt) Definition des Entwicklungsziels („Intended Use“) Datengenerierung und Annotation Modellentwicklung und Validierung zm 110, Nr. 22, 16.11.2020, (2179) WIR KÖNNEN SERVICE Qualität seit 20 Jahren DENTALSYSTEME *Alle Preise in Euro zzgl. MwSt., Irrtümer vorbehalten. Beispielabbildung, kann nachpreispflichtige Ausstattung enthalten. www.f1-dentalsysteme.de • NSK LED/KaVo Mikromotor • 6-Wege-Funktionsspritze • Lichtturbineneinrichtung • NSK LED Zahnsteinentfernungsgerät • OP-Lampe Vision • Bottle-Care-System • Entkeimungssystem • Polsterfarbe wählbar • WLAN-Fußanlasser • 3-Wege-Funktionsspritze 72 MONATE ab 258,26 € * RESTWERT 10% inkl. Montage, 24 Monate Garantie (Wert 1.000,00 €) BASIC LEASING 17.450,00 € * Zentrale Nord-West Tel.: (02261) 8074-00 | E-Mail: Info@f1-dentalsysteme.de Zentrale Süd-Ost Tel.: (07231) 28018-0 | E-Mail: deutschland@f1-dentalsysteme.de ZAHNMEDIZIN | 45