Chirurgie-Simulator und Stimmungstest: Lernen aus Daten

Aus Daten die Regeln für intelligentes Verhalten abzuleiten, entspricht der Grundidee des maschinellen Lernens. So etwa bei Chirurgie-Simulatoren, die das Verhalten von Experten registrieren, daraus komplexe Gesetzmässigkeiten lernen und den künftigen Chirurgen Feedback geben.

Chirurgie-Simulator

Der Chirurgie-Simulator beobachtet das Verhalten von Experten, lernt daraus und gibt dieses Wissen weiter.

Chirurgie-Simulator im Einsatz

Ärzte können ihre praktischen Erfahrungen nicht immer in Worte fassen – da hilft maschinelles Lernen.

Piloten trainieren unzählige Stunden am Flugsimulator, bevor sie erstmals ein Flugzeug steuern dürfen. Auch Chirurgen nutzen vermehrt Anatomiesimulatoren zur Aus- und Weiterbildung und zur Operationsplanung. Doch wie können mit Simulatoren das Wissen und die Erfahrung von medizinischen Experten an weniger Erfahrene weitervermittelt werden? Denn Ärzte können ihre praktischen Erfahrungen aus dem Operationssaal oft nur unvollständig beschreiben. Und wie kann ein Simulator automatisch eine Rückmeldung liefern, um den Lernenden zu unterstützen?

Damit Computer menschliches Erfahrungswissen vermitteln können, müssen sie diese Fähigkeit erst selbst erlernen. Dazu analysieren Programme Daten, die durch Beobachtung des Verhaltens von Experten gewonnen wurden. Aus Daten intelligentes Verhalten abzuleiten, entspricht der Grundidee des maschinellen Lernens: Programme strukturieren sich selbst auf der Basis von Lerndaten und entdecken dadurch komplexe Gesetzmässigkeiten, die wir Menschen nur unzureichend als explizite Regeln angeben können.

An der Scientifica haben Sie die Möglichkeit, an einem Chirurgie-Simulator des ETH-Spinoffs VirtaMed eine virtuelle medizinische Untersuchung durchzuführen. Wie gut Sie mit den Profis mithalten können, wird anhand eines aus Expertendaten gelernten Modells bewertet. 

Ausserdem: Auch aus Texten können Rechner so Einiges lernen. Lassen Sie an der Scientifica mit einem System zur Analyse von Texten ihre eigenen kurze Texte wie Tweets oder WhatsApp-Nachrichten auf ihren Stimmungsgehalt hin untersuchen.

 

 

 

Beteiligte

Prof. Dr. Joachim Buhmann
Dr. Mark Cieliebak
Dr. Luis Haug
Prof. Dr. Thomas Hofmann
Prof. Dr. Martin Jaggi
Dr. Markus Oelhafen
Dr. Raimundo Sierra