Le CD81 est une molécule de surface appartenant à la superfamille des tetraspanines. Son rôle pronostique a été précédemment étudié dans les pathologies lymphoïdes, dont le myélome multiple où son expression est associée à un pronostic péjoratif. A ce jour, ce marqueur n'a pas été étudié dans les leucémies aiguës myéloïdes (LAM). Nous avons étudié l'expression membranaire du CD81 sur les blastes de LAM au diagnostic, son association aux autres caractéristiques des LAM et sa potentielle influence sur la survie des patients sur une cohorte de 134 patients traités par chimiothérapie intensive.Le CD81 a été retrouvé chez 92 patients sur 134 (69%). Les patients exprimant ce marqueur avaient une leucocytose initiale plus élevée (p=0.02) et présentaient une cytogénétique intermédiaire ou défavorable (p<0.001). L'expression du CD81 avait un impact négatif sur la survie des patients (survie sans évènements (EFS), survie globale (OS), survie sans rechute (RFS)) en analyse uni- (p<0.001) et multivariées (p=0.003, 0.002 and <0.001 respectivement).De plus, le CD81 avait un impact négatif sur l'OS des patients avec une mutation de NPM1 (p=0.01) et chez les patients du groupe cytogénétique favorable (p=0.002) selon la classification ELN.Les anomalies du cycle cellulaire étant associées à la chimiorésistance, la croissance tumorale et l'agressivité de la pathologie, nous avons étudié l'expression du Ki67 sur les blastes de LAM au diagnostic. Ainsi, 10 prélèvements médullaires de patients avec une faible expression du CD81 par les blastes (moins de 20% de positivité) et 10 prélèvements avec une forte expression du marqueur ont été étudiés. Nous avons pu démontrer une expression significativement inférieure du Ki67 sur les blastes CD81 positifs par rapport aux blastes CD81 négatifs (p<0.001), suggérant ainsi un rôle potentiel du CD81 dans le contrôle du cycle cellulaire. De plus, nous nous sommes intéressés au rôle du CD81 dans la chimiorésistance et sur les différentes voies de signalisation cellulaire en étudiant le profil d'expression génique.En conclusion, le CD81 semble être un nouveau marqueur pronostique des LAM ainsi qu'une cible potentielle de traitement de ces pathologies. / CD81 is a cell surface protein which belongs to the tetraspanin family. While in multiple myeloma its expression on plasma cells is associated with worse prognosis, this has not yet been explored in acute myeloid leukemia (AML). We measured membrane expression of CD81 on AML cells at diagnosis, evaluated its association with AML characteristics and its influence on patient outcome after intensive chemotherapy in a cohort of 134 patients. CD81 was detected in 92/134 (69%) patients. Patients with AML expressing CD81 had elevated leukocyte count (p=0.02) and were more likely classified as intermediate or adverse-risk by cytogenetics (p<0.001). CD81 expression had a negative impact on survival (event-free [EFS], overall [OS] and relapse-free survival [RFS]) in univariate (p<0.001) and in multivariate analyses (p=0.003, 0.002 and <0.001, respectively). CD81 has a negative impact on OS in patients with NPM1 mutation (p=0.01) and in favorable risk patients by European Leukemia Net (ELN) classification (p=0.002).Since aberrations in cell cycle signaling can cause drug resistance, tumor growth and aggressiveness we measured Ki67 on primary blast cells from AML patients. We considered 10 bone marrow samples from AML patients with either weak CD81 expression (less than 20% of blast cells) or 10 bone marrow samples with strong CD81 expression on blasts. We found a significant lower ki67 expression on blast cells from CD81 positive patients compared with those from CD81 negative patients (p<0.001), indicating a potential role of CD81 in cell cycle control. Furthermore, we investigated the role of CD81 in chemotherapy resistance and investigated potentially implicated signaling pathways by gene expression profiling.In conclusion, the cell surface marker CD81 may be a new prognostic marker for diagnostic risk classification and a new potential therapeutic target for drug development in AML.

This study presents a comparative approach between the time of the Belgic Confession and of the Korean Church under Japanese rule. Both the early Low Countries and Korea received Protestantism through martyrdom and persecution. During the sixteen century the Low Countries were under the Spanish rule. The Low Countries were deeply influenced by the Reformation. Many historians have noted that the people in the Low Countries suffered persecutions on the basis of their nationality and religious beliefs by the Roman Catholic Church and the Spanish government. The heroes of the Low Countries were William of Orange, the political leader of his native country, and Guido de Bres a religious leader. William of Orange, and his son, Maurice of Orange, accomplished their country’s political independence with outstanding leadership. Guido de Bres was a travelling preacher who preached the gospel in the Low Countries. He drafted the Belgic Confession. It is authorized as one of the most wonderful Reformed confessions. Korea received the gospel through the Western missionary R. J. Thmoas. Korea was under Japanese rule since the end of the nineteen century. Korean Christianity helped the Korean people when the Koreans were oppressed. From the late 1920s, the Japanese forced Koreans in Shinto Shrine Worship. Shinto Shrine Worship was the worship of the King of Japan. The Korean people could not accept Shinto Shrine Worship. Korean Christians judged Shinto Shrine Worship to be idol worship and opposed it. However, Korean Protestants abandoned their faith, due to the Japanese’ threat of military power. Some pastors resisted Shinto Shrine Worship. Pastor Joo Ki-Chul was a leader of the resistance and died for his faith. There are similarities and differences between the struggle of the Low Countries and Korea. Both the early Low Countries and early Korean Church produced spiritual martyrs like Guido de Bres and Joo Ki-Chul. They were martyrs, patriots and preachers. In both countries Christians faced horrible persecutions by the ruling tyrants. But while the Low Countries struggled for their independence to the end, most Korean Christians had to desert their faith in the face of continued pressure from the Japanese. In spite of this some Korean Christians remained strong till the bitter end. The Low Countries’ religious persecution came to an end, but North Korea’s Christians are still suffering under the communist regime. In spite of terrible persecution by the communist government, there are many Christians in underground churches who long for religious and political freedom. / Dissertation (MA(Theol))--University of Pretoria, 2011. / Church History and Church Policy / unrestricted

Inwieweit KI das neuartige universitäre Lehren und Lernen wirksam begleiten kann, wird im BMBF-Verbundprojekt 'tech4comp: Personalisierte Kompetenzentwicklung durch skalierbare Mentoringprozesse' untersucht. Gemeinsam beforscht man soziotechnische Artefakte für personalisiertes digital-gestütztes Mentoring für Studierende. Hierzu werden u.a. Rahmenbedingungen und (soziale) Kontextfaktoren erforscht, um die Implementierung von KI in der Hochschulbildung zu unterstützen. Es wird davon ausgegangen, dass unabhängig von der Art der Technologie und vom pandemischen Kontext, insbesondere die Akzeptanz und Bereitschaft der beteiligten Stakeholder zum erfolgreichen Einsatz intelligenter Bildungstechnologien beiträgt. Das ZQA/KfBH der TU Dresden widmet sich unter der Leitung von Dr. Cathleen M. Stützer im Forschungsprojekt der Elaboration von Handlungsfeldern, die sich aus einer soziotechnischen Beforschung von KI in der Hochschulbildung ergeben. Fallstudien hierzu stellen sich u. a. Fragen zu Gelingensbedingungen und Wirksamkeit digitaler Hochschulbildung, um (prospektiv) eine erfolgreiche Implementierung KI-gestützter adaptiver Mentoringsysteme mit evidenten Forschungsberichten zu unterstützen.:Vorwort & Danksagung Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis 1. Einleitung 2. Methodik 3. Ergebnisse 4. Implikationen 4.1 Einflussfaktoren und Gelingensbedingungen der KI-Akzeptanz 4.2 Handlungsempfehlungen 5. Zusammenfassung und Fazit 6. Limitationen 7. Literaturverzeichnis Anhang / The extent to which AI can effectively accompany new types of university teaching and learning is being investigated in the BMBF joint project 'tech4comp: Personalised competence development through scalable mentoring processes'. Together, they are researching socio-technical artefacts for personalised digitally-supported mentoring for students. For this purpose, framework conditions and (social) contextual factors, among others, are being researched in order to support the implementation of AI in higher education. It is assumed that regardless of the type of technology and the pandemic context, the acceptance and willingness of the stakeholders involved in particular contributes to the successful use of intelligent educational technologies. Under the direction of Dr. Cathleen M. Stützer, the ZQA/KfBH at TU Dresden is dedicated to the elaboration of fields of action resulting from socio-technical research on AI in higher education. Case studies on this topic address questions such as the conditions for success and the effectiveness of digital higher education in order to (prospectively) support the successful implementation of AI-supported adaptive mentoring systems with evident research reports.:Vorwort & Danksagung Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis 1. Einleitung 2. Methodik 3. Ergebnisse 4. Implikationen 4.1 Einflussfaktoren und Gelingensbedingungen der KI-Akzeptanz 4.2 Handlungsempfehlungen 5. Zusammenfassung und Fazit 6. Limitationen 7. Literaturverzeichnis Anhang

Die Künstliche Intelligenz (KI) mit ihren untergeordneten Forschungsgebieten wie maschinelles Lernen (ML), Spracherkennung oder Robotik ist in aller Munde. Die Leistungsfähigkeit und Stabilität von Anwendungen, die im weiteren Sinne KI zur Aufgabenbearbeitung einsetzen, sind gestiegen und durchdringen die Gesellschaft immer mehr. Weltweit wird die KI als eine Schlüsseltechnologie wahrgenommen, die in den nächsten Jahren weiter an Bedeutung gewinnt (Bitkom, DFKI 2017). So zielt auch die Ausschreibung des Bundesministeriums für Wirtschaft und Energie von 02/2019 darauf ab, KI als Schrittmachertechnologie für „[…] volkswirtschaftlich relevante Ökosysteme“ zu fördern (BMWi 2019). Mit der zunehmenden Ausstattung der Produktionsmittel mit Sensoren und der gleichzeitig steigenden Vernetzung dieser, steigt auch die Menge verfügbarer Daten, die für die Generierung von Wissen genutzt werden können (Fraunhofer 2018). Davon profitiert besonders das ML als Teilgebiet der KI. So unterschiedlich die gewonnenen Daten sind, so unterschiedlich sind die Aufgaben, die innerhalb des Maschinenbaus mit diesen bewältigt werden können. Ziele, die mit dem Einsatz von ML verbunden werden, sind beispielsweise selbst optimierende Produktionssysteme oder die bedarfsgerechte Instandhaltung von Anlagen auf Grund einer möglichst genauen Prognose des Ausfallzeitpunktes der Komponenten. Ebenso wie jede andere Technologie bedarf der Einsatz von ML Ressourcen, die in den Unternehmen nur begrenzt vorhanden sind. Die Entscheidung für oder gegen einen Einsatz von ML in Maschinenbauprodukten ist derzeit ganz klar eine strategische und bedingt die Einbeziehung verschiedener Fachbereiche bis hin zum Management des Unternehmens (Saltz et al. 2017). Daher wird ein strategisches Diskussions- und Entscheidungswerkzeug benötigt, welches ein Projekt aus technologischer und wirtschaftlicher Sicht darstellen und fachübergreifend genutzt werden kann sowie ein strukturiertes Vorgehen ermöglicht. Die Autoren schlagen zur Entscheidungsfindung die Nutzung des hier eingeführten Analysekompetenz-Marktpriorität-Portfolios vor, welches speziell auf die Fragestellung des ML Einsatzes im Maschinenbau zugeschnitten ist. Es werden Bewertungstabellen vorgestellt und deren Nutzung erläutert, welche sich an den zu bearbeitenden Prozessschritten für komplexe Datenanalysen (Shearer 2000, Klement et al. 2018) orientiert. Die Ableitung von Normstrategien wird anhand der finalen Darstellung des Portfolios diskutiert. [... aus der Einleitung]

The three-dimensional organization of the human genome is non-random in interphase cells. Heterochromatin is highly clustered at the nuclear periphery, adjacent to nucleoli, and near centromeres. These localizations are reshuffled during mitosis when the chromosomes are condensed, nucleoli disassembled, and the nuclear envelope broken down. After cytokinesis, heterochromatin is re-localized to the domains described above. However, the mechanisms by which this localization is coordinated are not well understood. This dissertation will present evidence showing that both CAF-1 p150 and Ki-67 regulate nuclear structure throughout the human cell cycle. Chromatin Assembly Factor 1 (CAF-1) is a highly conserved three-subunit protein complex which deposits histones (H3/H4)2 heterotetramers onto replicating DNA during S-phase of the cell cycle. The N-terminal domain of the largest subunit of CAF-1 (p150N) is dispensable for histone deposition, and instead regulates the localization of specific loci (Nucleolar-Associated Domains, or “NADs”) and several proteins to the nucleolus during interphase. One of the proteins regulated by p150N is Ki-67, a protein widely used as a clinical marker of cellular proliferation. Depletion of Ki-67 decreases the association of NADs to the nucleolus in a manner similar to that of p150. Ki-67 is also a fundamental component of the perichromosomal layer (PCL), a sheath of proteins that surrounds all condensed chromosomes during mitosis. A subset of p150 localizes to the PCL during mitosis, and depletion of p150 disrupts Ki-67 localization to the PCL. This activity was mapped to the Sumoylation Interacting Motif (SIM) within p150N, which is also required for the localization of NADs and Ki-67 to the nucleolus during interphase. Together, these studies indicate that p150N coordinates the three-dimensional arrangement of both interphase and mitotic chromosomes via Ki-67.

Im Vortrag soll zunächst geklärt werden, was man unter künstlicher Intelligenz versteht. Dabei wird herausgestellt, dass KI in etwa so alt wie die Informatik ist. Anhand von einigen Beispielen wird verdeutlicht, welche Anwendungsfelder für KI in Frage kommen. / The lecture will first clarify what is meant by artificial intelligence. It will be pointed out that AI is about as old as computer science. With the help of some examples, it will be made clear which fields of application come into question for AI.

BackgroundHead and neck squamous cell carcinoma (HNSCC) is a common cancer. Positron emission tomography (PET) with 18F-fluorodeoxyglucose (18F-FDG) is a widely used imaging modality in HNSCC.PurposeTo provide evident data about associations between 18F-FDG PET and histopathology in HNSCC.Material and MethodsThe MEDLINE database was screened for associations between maximum standard uptake values (SUVmax) derived from 18F-FDG PET and histopathological features in HNSCC up to May 2020. Only papers containing correlation coefficients between SUVmax and histopathology were acquired. Overall, 23 publications were collected.ResultsThe following correlations were calculated: KI 67: 12 studies (345 patients), pooled correlation coefficient (PCC): 0.23 (95% confidence interval [CI] 0.06–0.40); hypoxia-inducible factor-1α: eight studies (240 patients), PCC: 0.24 (95% CI 0.06–0.42); microvessel density: three studies (64 patients), PCC: 0.33 (95% CI 0.02–0.65); vascular endothelial growth factor: two studies (59 cases), PCC: 0.27 (95% CI 0.02–0.51); tumor suppressor protein p53: four studies (159 patients), PCC: 0.05 (95% CI –0.41 to 0.51); epidermal growth factor receptor: two studies (124 patients), PCC: 0.21 (95% CI 0.05–0.37); tumor cell count: three studies (67 patients), PCC: 0.18 (95% CI –0.06 to 0.42); tumor cell apoptosis: two studies (40 patients), PCC: 0.07 (95% CI = –0.85 to 0.99); B-cell lymphoma-2 protein: two studies (118 patients); PCC: 0.04 (95% CI –0.65 to 0.74); glucose-transporter 1: 10 studies (317 patients), PCC: 0.20 (95% CI 0.10–0.30).ConclusionSUVmax derived from 18F-FDG PET cannot reflect relevant histopathological features in HNSCC.

Die Bedeutung von Technologien, welche auf künstlicher Intelligenz basieren, nimmt stetig zu. Vor allem im Gesundheitswesen spielen solche Anwendungen eine zunehmend größere Rolle, denn mithilfe dieser können Qualität- und Patientensicherheit enorm verbessert werden. Ein bedeutendes Beispiel ist hier die Dokumentation von Operationen, welche sehr zeitaufwendig und nicht zuletzt auch fehleranfällig ist, da die Prozedur meist Stunden nach der eigentlichen Operation (OP) aus dem Gedächtnis reproduziert werden muss. Die Abnahme solcher zeitintensiven und repetitiven Aufgaben durch KI-basierte Anwendungssysteme ermöglicht es, dass mehr Zeit für die Arbeit mit und am Patienten geschaffen und die Arbeitslast der Ärzte reduziert werden kann. Hierfür wurde mithilfe von „Natural Language Processing“ und einem neuronalen Sprachmodell, dem sogenannten „Deep Learning“, ein schlagwortbasiertes KI-Tool entwickelt, welches Schlagwörter, die während der Prozedur eingesprochen werden, erkennt und verarbeitet. Anhand dieser und der Wortreihenfolge werden durch eine Encoder-Decoder-Architektur sinnvoll zusammenhängende OP-Berichtsätze erzeugt, sodass parallel zur laufenden Operation ein vollständiger OP-Bericht teilautomatisiert konstruiert wird. Das Tool wurde vorerst auf der Basis von 48 konventionell erstellten Berichten von Nasennebenhöhlenoperationen mithilfe einer „k-fold cross-validation“ trainiert und weiterentwickelt, kann aber in Zukunft in verschiedenen Fachdisziplinen und Prozeduren zur Dokumentation integriert werden. Das Ziel der vorliegenden Arbeit ist es, die Performanzentwicklung durch das Training des KI-basierten Programms zur OP-Dokumentation von NNH-Operationen anhand von bestimmten Metriken zu objektivieren. Hierfür wurden die erzeugten Berichte vor und nach Training des Tools anhand von vier metrischen Parametern (BLEU, ROUGE, COSS, METEOR) verglichen und die Optimierung der Performanz analysiert und ausgewertet. Anschließend erfolgte eine Evaluation mit der Fragestellung, inwiefern solche Anwendungen die Mediziner im Klinikalltag entlasten und die Patientensicherheit optimieren können. Hierfür wurde eine Studie mit 16 Probanden durchgeführt, für welche gleich viele Fachärzte wie Assistenzärzte der Hals-, Nasen-, Ohrenheilkunde rekrutiert wurden. Die Teilnehmenden sollten drei zuvor zufällig ausgewählte, von dem Tool erstellte OP-Berichte Korrekturlesen und diese nach eigenem Empfinden bearbeiten. Dabei wurden die Anzahl und Art der Korrekturen erfasst und ausgewertet. Anschließend wurden die Studienteilnehmer aufgefordert, einen Evaluationsbogen auszufüllen. In diesem sollten neben der Beantwortung des Fachbereiches und des Spezialisierungsgrades, die Qualität der Berichte, die mögliche Zeitersparnis und der künftige Mehrwert und Nutzen eines solches Tools eingeschätzt werden. In einer ersten Version des Fragebogens wurde die Antwortoption „keine Zeitersparnis“ nicht gegeben, sodass diese Frage mit detaillierteren Antwortmöglichkeiten reevaluiert wurde, um eine Ergebnisverzerrung zu vermeiden. Des Weiteren sollten die künstlich erzeugten mit den konventionell erstellten Berichten der jeweils gleichen Operation verglichen werden. Schlagwortbasiertes Training des Sprachmodels: Insgesamt wurden 48 künstlich erstellte mit den dazugehörigen konventionellen Berichten anhand von vier objektiven Parametern (BLEU, ROUGE, COSS, METEOR) verglichen. Die Ergebnisse des Wilcoxon-Tests zeigten eine signifikante Verbesserung (p<.001) aller objektiver Parameter durch das schlagwortbasierte Training des KI-Sprachmodells. Dies verdeutlicht die Lernfähigkeit KI-basierter Tools, die aus eigenen Erfolgen und Niederlagen lernen und sich selbstständig weiterentwickeln. Alle KI-Tools haben gemein, dass je umfangreicher die Datenmengen sind, desto präziser können Vorhersagen getroffen werden. Mithilfe von großen Datenmengen, beispielsweise in Form von hochwertigen, ausführlichen Operationsberichten, könnte unser Tool zukünftig noch qualitativere und detailliertere Berichte erstellen, die unseren Erwartungen gerecht werden, bevor dieses in den klinischen Alltag integriert wird. Korrekturen: Die Anzahl und Art der Korrekturen, welche die Teilnehmer in den Dateien der KI-gestützten OP-Berichte vornahmen, wurden über Microsoft Word® aufgezeichnet und anschließend ausgewertet. Die Korrekturanzahl variierte zwischen den Teilnehmern stark. Dies lässt sich vermutlich auf den unterschiedlichen Ausbildungs- und Erfahrungsgrad der Teilnehmer zurückführen. Es wären jedoch Folgestudien notwendig, um die Ursache dieser Diskrepanz genauer zu untersuchen. Durchschnittlich waren 23.25 Korrekturen pro Bericht erforderlich, um einen subjektiv zufriedenstellenden Bericht zu erhalten. Dieses Ergebnis zeigt, dass noch weiteres Training zur Optimierung des Tools notwendig ist, damit ein angemessener Bericht, der nur wenig Korrekturen im Nachhinein bedarf, konstruiert werden kann. Grammatik, Inhalt und Lesefluss: Im Schnitt wurde die Grammatik der künstlich erstellten Berichte von den Teilnehmern mit einer 3.1, der Inhalt mit einer 2.8 und der Lesefluss mit einer 2.6 im Schulnotensystem bewertet. Dies zeigt eine bereits befriedigende Performanz des Tools, welche weiterhin kontinuierlich verbessert wird. Täglicher Zeitaufwand und Zeitersparnis: 66.67% der Teilnehmer schätzten einen täglichen Zeitaufwand von 30 bis 60 Minuten für die Erstellung von OP-Berichten. In einer detaillierteren Reevaluation schätzten 61.11% der Teilnehmer eine mögliche Zeitersparnis von 16 bis 30 Minuten und 27.78% von 1 bis 15 Minuten pro Tag durch die Unterstützung eines solchen Tools. Diese Ergebnisse zeigen die Möglichkeit einer wertvollen Zeitersparnis, die die Arbeitslast der Mediziner wesentlich reduzieren könnte und somit Freiraum für wichtige ärztliche Tätigkeiten mit und am Patienten schafft. Mithilfe der KI-unterstützten Übernahme solcher repetitiven Aufgaben kann die Patientensicherheit und Behandlungsqualität maßgeblich verbessert und folglich die Mortalitätsrate gesenkt werden. Klinischer Nutzen und Mehrwert: 61.11% der Teilnehmer erwarteten eine Arbeitslastreduktion und 66.67% sahen einen klinischen Mehrwert und Nutzen in der teilautomatisierten Erstellung von OP-Berichten. Die Mehrheit mit 66.67% würden dieses Tool zur OP-Berichterstellung in Zukunft selbst nutzen. Diese Ergebnisse zeigen, dass zum einen bereits eine große Akzeptanz gegenüber einer solchen computergestützten Anwendung vorhanden ist und zum anderen, dass Mediziner es notwendig finden von repetitiven Tätigkeiten im klinischen Alltag entlastet zu werden, um weiterhin den qualitativ hohen Standard der Patientenversorgung gewährleisten zu können. Dieser wichtige Einfluss der KI sowie die Bedeutsamkeit des Verständnisses für die Tragweite dieser revolutionierenden Tools, auch in der HNO-Dokumentation, wird ebenfalls von Bur et al. beschrieben. 33.33% der Teilnehmer gaben eine inhaltliche Ähnlichkeit und 27.78% eine formale Ähnlichkeit zwischen den künstlich und konventionell erstellten Berichten an. Diese bereits bestehende Ähnlichkeit zwischen den generierten und konventionell erstellten Berichten verdeutlicht die zufriedenstellende Performanz des Tools, welche fortlaufend verbessert wird, um noch akkuratere Berichte zu erhalten. Die konventionellen OP-Berichte wurden als Goldstandard verwendet, da kein offizieller Standard für die Form und den Inhalt eines OP-Berichtes existiert. Die Detailtiefe kann so zum Teil von Bericht zu Bericht stark variieren, weil dies den individuellen Präferenzen des Operateurs überlassen ist. In Zukunft könnte mithilfe dieses Tools möglicherweise ein Standard als Berichtvorlage für verschiedene Operationen konstruiert werden. Dies würde große Vorteile für den globalen Austausch und die Ausbildung junger Chirurgen bieten. Dieses Projekt stellt den Grundbaustein dar, auf welchem weitere Entwicklungen und Optimierungen folgen müssen, um eine Integrierung von KI im Gesundheitswesen realisieren zu können. Es wäre auch möglich, zukünftig das Tool um andere KI-Anwendungen zu ergänzen, um beispielsweise mithilfe von Bilderkennungsprogrammen intraoperative Endoskopvideos zu analysieren und die Berichterstellung weiter zu präzisieren. Diese Studie zeigt die enorme Bedeutsamkeit dieser Technologien für die Zukunft der Medizin, welche immer sicherer, individueller und erfolgsversprechender wird. Die Evaluationsergebnisse verdeutlichen, dass sich bereits eine große Akzeptanz der Mediziner gegenüber solchen neuen Anwendungssystemen abzeichnet. Angesichts einer mehrheitlich geschätzten Zeitersparnis von 16 bis 30 Minuten pro Tag und einer vermuteten Arbeitslastreduktion, erscheint eine Optimierung der repetitiven und zeitintensiven OP-Berichterstellung notwendig. Vor Implementierung des vorgestellten Tools zur OP-Berichterstellung ist es wichtig, dass dieses mit großen Datenmengen weiter trainiert wird, damit es sich zukünftig selbstständig fortlaufend optimieren kann, um die Leistung und Effizienz kontinuierlich zu verbessern. Durch die Nutzung solcher KI-basierter Systeme kann zukünftig eine Steigerung der Zufriedenheit der Ärzte erreicht und somit gleichzeitig die Qualität- und die Patientensicherheit optimiert werden.:1 EINFÜHRUNG 3 1.1 KÜNSTLICHE INTELLIGENZ (KI) 3 1.1.1 Künstliche Intelligenz – Allgemein 3 1.1.2 Was ist künstliche Intelligenz? 3 1.1.3 Wie beeinflusst künstliche Intelligenz den Markt des Gesundheitswesens? 4 1.1.4 Mediziner und KI im Gesundheitssystem 6 1.2 HALS-, NASEN-, OHRENHEILKUNDE (HNO) 6 1.2.1 KI in der Hals-, Nasen-, Ohrenheilkunde 6 1.2.2 Nasennebenhöhlen-Operationen 7 1.3. DOKUMENTATION IN DER MEDIZIN 7 1.3.1 KI-basierte Dokumentation 7 1.3.2 Dokumentation von Nasennebenhöhlen-Operationen und unser Projekt 8 1.4 KÜNSTLICHE INTELLIGENZ – ZUKUNFTSAUSSICHT 10 1.5 FRAGEBOGEN 10 1.6 ZIELSETZUNG 11 1.7 ZUSAMMENFASSUNG DER ERGEBNISSE 11 2 PUBLIKATION 13 3 ZUSAMMENFASSUNG 22 4 LITERATURVERZEICHNIS 27 5 ANLAGEN 29 5.1 AUFGABENANLEITUNG FÜR DIE STUDIENTEILNEHMER 29 5.2 AUSGEWÄHLTE OP-BERICHTE FÜR DIE EVALUATION 30 5.3 EVALUATIONSBOGEN 39

Defects such as cracks, overlaps and impressions occur during the production of press-hardened car body components. At present, these types of defects are counteracted in the industrial environment by costly visual inspections carried out by humans. Due to the poor efficiency of visual inspection compared to automated inspection and the risk of defects not being detected, the use of AI-based smart vision sensors is being evaluated in order to enable an automated component inspection process with their help. For the realisation of the test, the most relevant defect types deformation, crack and overlap are identified using a Pareto analysis.

Bei der Herstellung pressgehärteter Karosseriebauteile treten Fehler wie Risse, Überlappungen und Abdrücke auf. Gegenwärtig wird diesen Fehlerarten im industriellen Umfeld durch kostenaufwändige, von Menschen durchgeführte Sichtkontrollen entgegengewirkt. Aufgrund des schlechten Wirkungsgrades der visuellen Prüfung gegenüber einer automatisierten Prüfung und der Gefahr des Nichterkennens von Fehlern, wird der Einsatz von KI-basierten Smart-Vision-Sensoren evaluiert, um mit deren Hilfe einen automatisierten Bauteilprüfprozess zu ermöglichen.