scholarly journals Künstliche Intelligenz in der Krebsforschung und Biomedizin - Artificial Intelligence in Cancer Research and Biomedicine

2021 ◽  
Vol 8 (1) ◽  
Author(s):  
Jona Boeddinghaus
Keyword(s):  
Artificial Intelligence ◽  
Cancer Research ◽  
Künstliche Intelligenz

scholarly journals Artificial Intelligence in Cancer Research

2021 ◽  
Vol 01 (1) ◽  
pp. 6-8
Author(s):  
Chandra Kishore ◽  
◽  
Priyanka Bhadra ◽  
Keyword(s):  
Artificial Intelligence ◽  
Cancer Research ◽  
Diagnosis And Treatment ◽  
Biomedical Science ◽  
Future Perspectives ◽  
Raw Data ◽  
Analytical Power

The analytical power of artificial intelligence can revolutionize the field of cancer research, diagnosis, and treatment by analyzing the huge raw data available in biomedical science. In this review, we have discussed current challenges, development, and future perspectives of artificial intelligence in cancer research.

scholarly journals Characterizing Artificial Intelligence Applications in Cancer Research: A Latent Dirichlet Allocation Analysis

10.2196/14401 ◽  
2019 ◽  
Vol 7 (4) ◽  
pp. e14401 ◽  
Author(s):  
Bach Xuan Tran ◽  
Carl A Latkin ◽  
Noha Sharafeldin ◽  
Katherina Nguyen ◽  
Giang Thu Vu ◽  
...  
Keyword(s):  
Artificial Intelligence ◽  
Machine Learning ◽  
Cancer Research ◽  
Cancer Care ◽  
Latent Dirichlet Allocation ◽  
Similarity Index ◽  
Cancer Control ◽  
Clinical Practices ◽  
Patient Reported ◽  
Dirichlet Allocation

Background Artificial intelligence (AI)–based therapeutics, devices, and systems are vital innovations in cancer control; particularly, they allow for diagnosis, screening, precise estimation of survival, informing therapy selection, and scaling up treatment services in a timely manner. Objective The aim of this study was to analyze the global trends, patterns, and development of interdisciplinary landscapes in AI and cancer research. Methods An exploratory factor analysis was conducted to identify research domains emerging from abstract contents. The Jaccard similarity index was utilized to identify the most frequently co-occurring terms. Latent Dirichlet Allocation was used for classifying papers into corresponding topics. Results From 1991 to 2018, the number of studies examining the application of AI in cancer care has grown to 3555 papers covering therapeutics, capacities, and factors associated with outcomes. Topics with the highest volume of publications include (1) machine learning, (2) comparative effectiveness evaluation of AI-assisted medical therapies, and (3) AI-based prediction. Noticeably, this classification has revealed topics examining the incremental effectiveness of AI applications, the quality of life, and functioning of patients receiving these innovations. The growing research productivity and expansion of multidisciplinary approaches are largely driven by machine learning, artificial neural networks, and AI in various clinical practices. Conclusions The research landscapes show that the development of AI in cancer care is focused on not only improving prediction in cancer screening and AI-assisted therapeutics but also on improving other corresponding areas such as precision and personalized medicine and patient-reported outcomes.

Regulierung für Algorithmen und Künstliche Intelligenz

2021 ◽  
Keyword(s):  
Artificial Intelligence ◽  
Künstliche Intelligenz ◽  
Legal Nature ◽  
Internet Platform

Whether we are booking a flight, applying for a loan, or looking for a life partner on an Internet platform, a machine is often involved on the side of our contractual partner, arriving at a decision or proposal on the basis of an algorithm-supported preselection. The use of algorithms and artificial intelligence raises a variety of questions, some of which are of a legal nature, but also relate to ethics, economics and technology. The book - which reproduces the presentations and discussions at a conference in Bonn - explores these questions: In which areas is regulation necessary, and in which can the development and use of algorithms be left to the market? With contributions by Miriam Buiten, Markus Gabriel, Jan-Frederick Göhsl, Justus Haucap, Andreas Heinemann, Ulrich Kelber, Jürgen Kühling, Matthias Lehmann, Jörn Lüdemann, Michael Mock, Petra Pohlmann, Maximilian Poretschkin, Timo Rademacher, Johannes Rottmann, Matthias Schaut, Stefan Thomas, Maik Wolf, Stefan Wrobel and Daniel Zimmer.

Künstliche Intelligenz im Bauingenieurwesen – Hintergründe, Status Quo und Potenziale/Artificial Intelligence in Civil Engineering – Background, Status Quo and Potential Applications

Bauingenieur ◽  
2020 ◽  
Vol 95 (10) ◽  
pp. 369-378
Author(s):  
Michael A. Kraus ◽  
Michael Drass
Keyword(s):  
Artificial Intelligence ◽  
Big Data ◽  
Civil Engineering ◽  
Status Quo ◽  
Künstliche Intelligenz ◽  
Finite Elemente ◽  
Potential Applications ◽  
Finite Elemente Methode

Zusammenfassung Die Technologie der sogenannten „Künstlichen Intelligenz/Artificial Intelligence“ (KI/AI) hält derzeit flächendeckenden und in verschiedensten Formen Einzug in den privaten wie beruflichen Alltag aller Branchen. Diesen Umstand nimmt vorliegender Aufsatz zum Anlass, zunächst die Hintergründe und Definitionen dieser Technologie aufzuarbeiten, die verschiedenen Methoden anhand von bereits umgesetzten Beispielen aus dem Bauwesen zu veranschaulichen und schließlich die Potenziale für künftige Anwendungen der KI aufzuzeigen. Bei der Auswahl der Veranschaulichungsbeispiele wurde versucht, ein möglichst breites Spektrum von Anwendungen der KI im Bauwesen und benachbarter Disziplinen zu präsentieren: einerseits dient die KI als Alternative zu etablierten numerischen Verfahren wie der Finite-Elemente-Methode bei der Berechnung und Bemessung von Tragwerken und Bauteilen und andererseits lassen sich bildverarbeitende KI-Methoden von der Bauüberwachung bis hin zur produktionsbegleitenden Werkstoffkontrolle vielfältig erfolgreich und praxisnah einsetzen. Besonders erwähnenswert ist, dass die dargestellte physik-informierte KI keine „big data“-Situation bedingt und somit für die Baupraxis interessant ist.

Artificial Intelligence and Business Model Innovation in Incumbent Firms: A Cross-Industry Case Study

2021 ◽  
Vol 75 (3) ◽  
pp. 324-339
Author(s):  
Dennis Renee Metzler ◽  
Nicole Neuss ◽  
Jan Muntermann
Keyword(s):  
Artificial Intelligence ◽  
Business Model ◽  
Business Model Innovation ◽  
Künstliche Intelligenz ◽  
Empirische Forschung

Künstliche Intelligenz (KI) hat das Potenzial, ganze Industrien disruptiv zu verändern und treibt damit Geschäftsmodellinnovationen in etablierten Unternehmen an. Empirische Forschung zu den Auswirkungen von KI auf das Geschäftsmodell etablierter Unternehmen sowie Forschung zu KI als Treiber für Geschäftsmodellinnovationen in diesen Unternehmen ist jedoch noch selten. Diese Arbeit zielt darauf ab, die Forschung in diesem Gebiet zu erweitern, indem die Auswirkungen von KI auf die spezifischen Elemente der Geschäftsmodelle von Unternehmen analysiert werden. Darüber hinaus werden die Mechanismen KI-getriebener Geschäftsmodellinnovation erforscht. Mithilfe der Durchführung einer detaillierten Fallstudienforschung in vier traditionellen Industrien leisten wir einen Beitrag zur Literatur, indem wir neue Erkenntnisse über die Auswirkungen von KI auf die einzelnen Geschäftsmodellelemente etablierter Unternehmen liefern. Basierend auf diesen Erkenntnissen präsentieren wir zusätzlich ein Rahmenwerk, das die Prozesse und Resultate KI-getriebener Geschäftsmodellinnovation erklärt.

FEATURES

2018 ◽  
Vol 22 (06) ◽  
pp. 16-39
Keyword(s):  
Breast Cancer ◽  
Artificial Intelligence ◽  
Cancer Research ◽  
Immune System ◽  
Cancer Patients ◽  
Molecular Diagnostics ◽  
Multidisciplinary Team ◽  
Clinical Utility ◽  
Breast Cancer Patients ◽  
Exercise Regime

Artificial Intelligence: saving lives and securing the future. The best pill for cancer patients: An exercise regime. Across the divide: Multidisciplinary team to achieve better outcomes for breast cancer patients. The state of cancer research in Asia. Clinical utility of and access to cancer molecular diagnostics in Asia. Reprogramming the immune system against cancer.

Künstliche Intelligenz zur Detektion, Quantifizierung und Charakterisierung des metastasierten Prostatakarzinoms in der PSMA-PET/CT – Wo stehen wir?

2020 ◽  
Vol 41 (01) ◽  
pp. 41-44
Author(s):  
Ali Afshar-Oromieh ◽  
Axel Rominger ◽  
Kuangyu Shi
Keyword(s):  
Artificial Intelligence ◽  
Künstliche Intelligenz ◽  
Psma Pet ◽  
Pet Ct

ZusammenfassungDas Prostatakarzinom (PCa) ist der weltweit häufigste maligne Tumor bei Männern. Seit ihrer klinischen Einführung im Jahr 2011 hat sich sowohl die PET/CT als auch die Radioligandentherapie mit PSMA-Liganden zur Diagnostik bzw. Therapie des PCa weltweit rasch ausgebreitet. Obwohl die PSMA-PET/CT als ein signifikanter Durchbruch in der Diagnostik des PCa gilt, stellt die Evaluation und Kontrolle aller Tumorherde inklusive ihrer Volumina und Charakteristiken bei fortgeschrittenem, multimetastatischem PCa nach wie vor eine große Herausforderung dar. Diese gilt es zu bewältigen, um beispielsweise eine Optimierung der Endoradiotherapie mit PSMA-Liganden zu erreichen. In diesem Kontext könnte die künstliche Intelligenz, die in den letzten Jahren signifikante Fortschritte erzielt hat, in der nahen Zukunft eine wichtige Rolle spielen. Die Artificial Intelligence (AI) hat bereits demonstriert, dass sie den menschlichen Fähigkeiten zur Datenverarbeitung überlegen sein kann und bietet damit großes Potenzial zur Verbesserung der Detektion, Quantifizierung und Charakterisierung von PCa-Herden in der PSMA-PET/CT.Die hier vorliegende Schrift befasst sich mit den aktuellen Entwicklungen der künstlichen Intelligenz für den Einsatz in der PSMA-PET/CT und den sich daraus bietenden Möglichkeiten.

Sign in / Sign up

Export Citation Format

Share Document