Wissensbasierte Systeme in der Medizin 1 2026-07-22

• Veranstaltung: Wissensbasierte Systeme in der Medizin 1 SS 26
• Datum: 2026-07-22
• Prüfungsform: mündlich
• Prüfer: Ganslandt, Kapsner
• Note: 1,0
• Vorbereitung
  • Vorlesung besucht (zu 80 %)
  • Folien durchgegangen
  • Anki-Karten erstellt
  • 2 Tage sollte man einplanen

• Beschreiben Sie den kybernetischen Kreislauf ärztlichen Handelns!

Kreislauf aufgemalt, in der richtigen Reihenfolge: erst Patientenanamnese und -untersuchung, Entscheidungsfindung, Diagnostisches Modell, Diagnostische Aktion → Diagnose, Entscheidungsfindung, therapeutisches Modell, therapeutische Aktion Unterstützend wirken können Computersysteme bei der Entscheidungsfindung und beim Entscheidungsmonitoring

• Woraus besteht ein Expertensystem (gerne aufzeichnen)?

(ohne zu zeichnen) Wissensbasis (patientenunabhängig) und Faktenbasis (patientenabhängig) verknüpft durch Inferenzmaschine; Zusätzlich: Nutzerschnittstelle, Wissenserwerbskomponente, Erklärkomponente

• Welche Personen nehmen an einem solchen Expertensystem teil?

Wissensingenieur und Experten bei Wissenserwerbskomponente, Kliniker an der Benutzerschnittstelle und beim Füttern der Faktenbasis

• Produktionsregelsystem, was ist das?

Regel besteht aus Prämisse und Konklusion, häufig verkettet; Regeln bilden Wissensbasis und führen alles Wissen, das für Entscheidung benötigt; Inferenz mittels Identifizierung der Prämissen (Forward-Chaining) oder der Konklusionen (Backward-); Beim Forward-Chaining werden die Fakten auf die Prämissen gemappt, daraus folgende Konklusionen werden den Fakten hinzugefügt → Wiederholen bis keine Regel mehr anwendbar Beim Backward-Chaining will man eine Konklusion überprüfen (z.B. Verdachtsdiagnose); Prämissen, die zur Konklusion führen, sind neue Teilziele; bei mehreren möglichen Prämissen muss eine verfolgt werden, dann mittels Backtracking zur Entscheidung zurückgekehrt werden

• Was ist mit Implementierungskomplexität und Laufzeit?

Backward-Chaining komplexer, dafür schneller

• Warum bezeichnet man diese Expertensysteme als KI?

Problem, das bei menschlicher Lösung Intelligenz erfordert.

• Wissen Sie wann das losging mit KI?

Nicht direkt, ich schätze 1950er Jahre

• Ja, korrekt, Darkmouth-Konferenz. Seit den 2000er meint KI ja eher was anderes.

Mehr Machine- und Deep Learning, Regeln werden nicht mehr explizit formuliert sondern aus Daten abgeleitet

• Zeichnen Sie beispielhaftes Neuronales Netz und erklären Sie, wie das Lernen dort hineinspielt!

Zeichnet Netz aus Vorlesung, drei Layer, On-Neuronen, Output Output kann mit korrektem Wert verglichen werden → Fehlerfunktion Backpropagation des Fehlers nach Gewichten an die einzelnen Neuronen

• Und dann?

fängt das ganze wieder von vorne an

• Wo liegt also das Wissen?

in den Gewichten

• Welche Probleme ergeben sich bei KI in der Medizin?

Datenschutz, Erkärbarkeit, schwere Schäden bei Fehlern, Bias

• Hier irgendwelche Fragen zu Problemen einsetzen, ich wusste nicht genau, worauf man hinauswollte.

Es ging irgendwie um Erkärbarkeit; Vertrauen; eventuelle ethische Verpflichtung, Systeme, die man nicht gänzlich versteht, einzusetzen, wenn sie dem Patientenwohl dienen

• Dann noch KI-Governance; welche Säulen gibt es da, was soll erreicht werden?

Governance sollte juristisch-regulatorische Verfahren, wissenschaftliche Validierung, ethische Überlegungen und organisatorische Prozesse abdecken. Dabei ist Fairness, Transparency, Trustworthiness und Accountability zu erreichen. Fairness → Bias vermeiden, Transparency → xAI, Trustworthiness → Aufklärung, Schulungen, etc, Accountabilty → wer haftet wann wofür

• Unterschied Standard, Leitlinie, Richtlinie

Standard: nicht bindend, von vielen gemacht, „so eingebürgert“ Leitlinie: legitimierter Standard, nicht bindend, durch Evidenz oder Entwicklungsprozess legitimiert Richtlinie: von Autorität vorgegeben, sanktionsbehaftet, kein Abweichen

• Was sind Evidenzklassen für Leitlinien:

niedrigstes: Expertenmeinung, dann: nicht-randomisiert / experimentell, bestmöglich: randomisiert-kontrolliert, blind

• Erzählen Sie etwas zu Arden

Syntax zur Wissensrepräsentation aufgeteilt in MLM, enthalten Wissen für eine klinische Entscheidung, klein

• MLM

Kategorien Maintanance, Library, Knowledge und Resources interessant Knowlede: EVOKE, DATA, LOGIC, ACTION EVOKE: auslösendes Ereignis DATA: von Klinik zu Klinik unterschiedlich (Infrastruktur Fakten), eigentlich soll Arden möglichst flexibel einsetzbar sein LOGIC: Entscheidungslogik, Inferenz → Action ja oder nein