This is a cache of https://www.lndw-jena.de/programm/der-computer-lernt-sehen-chancen-und-risiken-von-ki-medizinischer-diagnostik-und. It is a snapshot of the page at 2024-12-18T00:08:29.732+0000.
Der Computer lernt sehen: Chancen und Risiken von KI in Medizinischer Diagnostik und Biodiversitätsforschung | Lange Nacht der Wissenschaften Jena Direkt zum Inhalt

Der Computer lernt sehen: Chancen und Risiken von KI in Medizinischer Diagnostik und Biodiversitätsforschung

Zeit
18:00 - 24:00 Uhr
Veranstalter
Friedrich-Schiller-Universität Jena und Computer Vision Group, Fakultät für Mathematik und informatik
Ort
Campus, Foyer
Adresse
Carl-Zeiss-Straße 3

KI-Systeme lernen aus Beispieldaten und erreichen damit heute bereits unglaubliche Leistungsfähigkeit. Wir zeigen anhand ausgewählter Anwendungen zum Anfassen, welche Gefahren dabei entstehen können und wie sich diese zukünftig vermeiden lassen.

Die Computer Vision Group Jena stellt sich vor
Die Forschung im Bereich der visuellen Erkennungssysteme hat in den letzten Jahren enorm an Aufmerksamkeit gewonnen. Viele Ergebnisse von Forschungsarbeiten aus den Bereichen des Bildverstehens und maschinellen Lernens haben den Weg in Anwendungen gefunden, die wir jeden Tag nutzen. Dazu gehören zum Beispiel Fußgängererkennung in PKWs, inhaltsbasierte Bildersuche im Browser oder Gesichtsidentifikation zum Entsperren von Smartphones.
Zudem spielen solche intelligenten Systeme auch immer häufiger in der Medizin als Unterstützung für Ärzte eine Rolle. An unserem Ausstellungsbereich präsentieren wir verschiedene Projekte, die sich mit dem aktuellen Stand der Forschung im Bereich des Bildverstehens und maschinellen Lernens beschäftigen. Wir betrachten typische Anwendungsszenarien im Bereich der Biodiversitätsforschung und der Medizin. Dabei beleuchten wir diese Themen insbesondere auch unter ethischen Aspekten der künstlichen Intelligenz, wie etwa der gewünschten Unvoreingenommenheit und Fairness bei Entscheidungen. Damit sollen die Chancen und Risiken solcher Systeme ins Bewusstsein rücken und einen verantwortungsvollen Einsatz der Technologien ermöglichen.

KI-Systeme in der Medizin
Künstliche Intelligenz und insbesondere neuronale Netze finden immer häufiger Verwendung in wichtigen, sicherheitsrelevanten Aufgabenbereichen. Im Zuge dessen sah sich auch die EU veranlasst, entsprechende Richtlinien für deren Verwendung und Einsatz im sogenannten AI Act festzulegen. Ein typischer Anwendungsbereich ist die KI-assistierte Medizin.  Aber können wir ihren Entscheidungen vollkommen vertrauen? Wir zeigen anhand einer konkreten medizinischen Fragestellung, der Hauttumorerkennung, dass das Verstehen der Entscheidung eines automatischen Systems nicht immer einfach, aber enorm wichtig ist! Damit lassen sich nicht nur Systeme verbessern, sondern auch deren Grenzen genau erfassen, um einen ungeeigneten Einsatz zu vermeiden. Dass solche Systeme auch das Potential haben, die Entscheidungsfindung und Diagnostik objektiver zu gestalten, zeigen wir in einem weiteren konkreten Anwendungsfall: der Bewertung von halbseitigen Gesichtslähmungen.
Für sogenannte Fazialisparese gibt es mehrere klassische Bewertungssysteme, um deren Schweregrade einzuordnen. Sie unterliegen dabei oft subjektiven Einschätzungen, die je nach Erfahrung des behandelnden Arztes unterschiedlich ausfallen können. Ein datengetriebener Ansatz, welcher anhand von gemessener Gesichtsgeometrie und anatomischem Wissen über Fazialisnerv und Gesichtsmuskeln wertet, kann hier Vorteile bieten. Wir veranschaulichen in einer interaktiven Demo den aktuellen Forschungsstand auf diesem Gebiet!

Unterstützung für die Biodiversitätsforschung
Der aktuelle Klimawandel führt zu weitreichenden Veränderungen in unserer Tier- und Pflanzenwelt. Dabei ist ein Rückgang der Biodiversität zu beobachten.
In speziell angelegten Studien lassen sich diese Trends im Kleinen manuell messen und nachweisen. Auf globaler Ebene ist dies aufgrund der Datenlage aber oft schwierig.
Sensorgestützte Systeme mit automatischer Auswertung bieten hier eine Chance, auch großflächig belastbare Aussagen treffen zu können. Drohnen, Flugzeugen oder Satelliten können eingesetzt werden, um relativ schnell sehr viele und weitreichende Sensordaten zu gewinnen.
Diese müssen danach aber auch alle ausgewertet werden! Wie dies vollautomatisch geschehen kann, zeigen wir am konkreten Beispiel der visuellen Analyse von Pflanzengesellschaften.
Ein Aspekt ist dabei die anteilsmäßige Bestimmung von Pflanzenarten auf einer konkreten Fläche. Gleichzeitig wird beurteilt, in welchem Wachstumsstadium sich Pflanzen befinden oder ob diese vielleicht sogar bereits gestorben sind. An unserem Ausstellungsbereich demonstrieren wir ein solches System, das den aktuellen Forschungsstand diesbezüglich widerspiegelt.

 
Bild
In der Mitte des Bildes ist das Gesicht einer Person auf einem Display zu sehen. Die Darstellung wird von einer digital projizierten Maske überlagert, die mehrere anatomische Marker im Gesicht aufzeigt. Über dem Gesicht steht "Kuramoto" als Bezeichnung für das Schema der Marker. In der unteren rechten Ecke des Bildes ist die Kamera zu sehen, welche die abgebildete Person genau in diesem Moment aufnimmt. Der Kopf jener Person ist im Bild links zu sehen, wobei diese mit dem Rücken zum Fotografen steht.
Medizinische Gesichtsanalyse
, ©

Standort

Teilen in sozialen Medien