Hier werden die für die Medizin relevanten KI-Algorithmen nachvollziehbar erklärt: Grundlagen und typische Anwendungsbereiche, die Mathematik dahinter, Daten und Datentypen, Programmierung in Python inkl. Code-Beispielen sowie Erkennen und Vermeiden von Fehlern. Einsetzbar sowohl für Forschungsarbeiten als auch für die Anwendung und Entwicklung KI-basierter Tools im medizinischen Alltag.

Teil I - Einführung
Was sind künstliche Intelligenz, maschinelles Lernen bzw. Deep Learning? Wo und wie kommen sie in der Medizin zum Einsatz? Welche Möglichkeiten und Grenzen bieten die Algorithmen? Welche Risiken, ethischen und rechtlichen Aspekte sind zu bedenken?

Teil II - Die wichtigsten Algorithmen
Für welche Analysen eignen sie sich, welche Vor- und Nachteile haben sie? Welche mathematischen Formeln liegen den KI-Modellen zugrunde? Wie werden diese programmiert und trainiert? Wie erkennt und vermeidet man Fehler?

• Lineare Regressionen
• Logistische Regressionen
• Support Vector Machines (SVMs)
• Decision Trees und Random Forests
• Clustering
• Neuronale Netze (FCNNs)
• Convolutional Neural Networks (CNNs)
• Graph Neural Networks (GNNs)
• Generative künstliche Intelligenz

Daneben werden die nötigen Grundlagen zu Daten, Datentypen und zur Programmierung in Python erläutert, die Code-Beispiele sind als Download verfügbar.

Dieses Werk eignet sich für alle, die medizinische Daten z.B. im Rahmen einer Doktorarbeit eigenständig auswerten wollen oder die ein vertieftes Verständnis der Anwendung von KI-Algorithmen in der Medizin anstreben, um bestehende Tools gezielt einsetzen oder neue entwickeln zu können: Studierende der Medizin, Bioinformatik, Informatik, Data Science, Ingenieurwissenschaften, Betriebswirtschaftslehre und verwandter Fächer, sowie auch Forschende, Ärztinnen und Ärzte oder Unternehmerinnen und Unternehmer.