„ÄrzteTag“-Podcast
Warum Ärzte das Problem verzerrter Daten kennen sollten
Im Gesundheitswesen werden zunehmend selbst-lernende Algorithmen entwickelt. Diese sind auf eine passende Datengrundlage angewiesen. Welche Folgen das hat, wenn die Datengrundlage verzerrt ist, erklärt Professor Sylvia Thun im „ÄrzteTag“-Podcast.
Veröffentlicht:
Frau Prof. Sylvia Thun, Direktorin der Core Unit eHealth und Interoperabilität am Berlin Institute of Health in der Charité (BIH).
© BIH / S. Zeitz
Selbst-lernende Algorithmen werden im Gesundheitswesen zunehmend entwickelt, beispielsweise um Tumoren in bildgebenden Verfahren zu erkennen. Dabei kommt oft maschinelles Lernen zur Anwendung, das heißt Algorithmen erarbeiten fortlaufend ein komplexes Modell auf der Grundlage von Daten: Indem der Algorithmus die Daten miteinander vergleicht, erkennt er selbstlernend Strukturen. Liegen Verzerrungen in diesen Trainingsdaten vor, zieht der Algorithmus falsche Schlüsse.
„Stimmt der Algorithmus denn? – Das müssen wir immer wieder nachfragen, wir Ärzte“, stellt Professor Sylvia Thun im Podcast fest. Sie ist approbierte Ärztin und Direktorin der Core Unit eHealth und Interoperabilität am Berlin Institute of Health in der Charité. Thun berichtet, was Verzerrungen in den Daten sind und wie auch Hausärzte selbst-lernende Algorithmen nutzen können. (Dauer: 15:20 Minuten)
