Zahnärztliche Mitteilungen Nr. 14

zm 111, Nr. 14, 16.7.2021, (1357) Während große Technologieunter- nehmen wie Google, Facebook oder Amazon den Wert von Daten bereits in den 1990er- und 2000er-Jahren erkannt haben, ist diese Erkenntnis im Gesundheitswesen erst seit einer Dekade gereift: Daten könnten eine bessere, sicherere, zuverlässigere, erschwinglichere und zugänglichere Versorgung ermöglichen. Und die Datenmengen im Gesundheitswesen explodieren: Im Jahr 2013 wurde das globale Gesundheitsdatenvolumen auf 153 Exabyte geschätzt (1 Exabyte = 10 18 Byte). Sieben Jahre später, im Jahr 2020, lag das geschätzte Volumen bei 2.314 Exabyte. Diese Daten zu bewältigen, ist eine zentrale Aufgabe von KI-Anwendungen. Kon- ventionelle Datenanalysen sind hier- bei oft nicht mehr ausreichend, statt- dessen wird vermehrt auf eine fort- geschrittene KI-Technologie gesetzt: das Maschinelle Lernen. MASCHINELLES LERNEN Das Maschinelle Lernen (ML) ist zentral, wenn es darum geht, große Datenmengen zu analysieren und produktiv zu nutzen. Beim ML er- lernen Systeme statistische Zusam- menhänge in Daten. Die meisten ML-Anwendungen, auch für medi- zinische Anwendungen, basieren auf dem sogenannten Überwachten Lernen, bei dem Eingangsdaten und das erwartete Ergebnis wieder- holt dem lernenden System zuge- führt werden. Dadurch wird der Algorithmus trainiert, von den Ein- gangsdaten auf das Ergebnis zu schließen, was schließlich auf ungesehenen Daten Vorhersagen ermöglicht. Deep Learning (DL), ein Teilbereich von ML, hat in den vergangenen Jahren einen dramatischen Auf- schwung erlebt, angetrieben durch die zunehmende Verfügbarkeit großer Datensätze, leistungsstarker Rechenressourcen und frei zugäng- licher Software [LeCun et al., 2015]. DL nutzt künstliche neuronale Netze (englisch: Artificial Neural Networks, ANN), die sich als besonders nützlich für die Verarbeitung von Bildern (Computer Vision) und Sprache (Natural Language Processing, NLP) erwiesen haben (Abbildung 3). Fotos: Florian Beuer, Ufuk Adali Abb. 1: Bereits heute ist Künstliche Intelligenz in vielen zahnmedizinischen Bereichen im Einsatz. Aus einem Block gefräste Kronen benötigen 3-D-Daten, die durch die automatisierte Erfassung von IOS-gescann- ten 3-D-Punktwolkendaten generiert werden. Auch die 3-D-Druckdaten für Aligner werden vorab von künstlicher Intelligenz aufbereitet. Doch welche Anwendungen sind darüber hinaus in der Zahnmedizin denkbar? ZAHNMEDIZIN | 59