Kaum einer Entwicklung wird ein größerer Einfluss auf unser tägliches Arbeitsleben vorhergesagt, als der künstlichen Intelligenz (KI). Ein populäres Anwendungsfeld der künstlichen Intelligenz ist das sogenannte maschinelle Lernen, die Disziplin, die sich mit der Generierung von computerisiertem Wissen aus Erfahrung durch einen selbstadaptiven Algorithmus beschäftigt. Insbesondere der hohe Anwendungsbezug, zum Beispiel im Bereich der Mustererkennung und Prädiktion, macht das „Machine Learning“ heute zu einem bevorzugten Anwendungsfeld.
Insbesondere in der Intensivmedizin, charakterisiert durch außergewöhnlich hohe Datendichte und weitverbreitete computergestützte Datenerfassungsroutinen, hat das maschinelle Lernen in jüngster Zeit auch im wissenschaftlichen Kontext relevanten Einfluss gewonnen. Die Datendichte der Intensivmedizin, resultierend aus der mittlerweile stetig steigenden Anzahl konnektierter Geräte und Datenströme, macht die Anwendung von KI zu einem bevorzugten Anwendungsfeld in der Forschung und Entwicklung. Dies eröffnet neue Horizonte für die Praxis. So werden KI-basierte Algorithmen in Zukunft nach Validierung nicht nur das Verhalten der beteiligten Professionen, sondern auch direkt die Behandlung der Patienten beeinflussen können. In diesem praktischen Leitfaden soll ein „Hands-on“-Einstieg in das maschinelle Lernen für die Anwendung in der Intensivmedizin mittels Praxisbeispielen aus dem wissenschaftlichen Alltag gegeben werden. Weiterhin werden ethische und regulatorische Aspekte der neuen Technologien adressiert.
Hardly any other development is pre-dicted to have a greater impact on our daily working life than artificial intelligence (AI). A popular field of application of artificial intelligence is the so-called “machine learning”, the discipline that deals with the generation of computerised knowledge from experience through self-adaptive algoriths. Especially the high practical relevance, for example, in the field of pattern re-cognition and prediction, makes machine learning a preferred field of application in the medical domain.
Especially in intensive care medicine, characterised by an exceptionally high data density and widespread computer-based data acquisition routines, machine learning has recently gained relevant influence in a scientific context as well. The data density of intensive care medicine, resulting from the steadily increasing number of connected devices and data streams, makes the application of AI a preferred field of application in research and development. This opens up new horizons for practice. Thus, after validation, AI-based algorithms in future will not only be able to influence the behaviour of the professions involved, but also directly influence the treatment of patients. This practical guide is intended to provide a “hands-on“ introduction to machine learning for use in intensive care medicine, based on practical examples from everyday scientific life. Furthermore, ethical and regulatory aspects of the new technologies are addressed.