<?xml version="1.0" encoding="UTF-8"?><xml><records><record><source-app name="Biblio" version="6.x">Drupal-Biblio</source-app><ref-type>17</ref-type><contributors><authors><author><style face="normal" font="default" size="100%">Germer, Sebastian</style></author><author><style face="normal" font="default" size="100%">Rudolph, Christiane</style></author><author><style face="normal" font="default" size="100%">Katalinic, Alexander</style></author><author><style face="normal" font="default" size="100%">Rath, Natalie</style></author><author><style face="normal" font="default" size="100%">Rausch, Katharina</style></author><author><style face="normal" font="default" size="100%">Heinz Handels</style></author></authors></contributors><titles><title><style face="normal" font="default" size="100%">KI-basierte Analyse von Krebsregisterdaten</style></title><secondary-title><style face="normal" font="default" size="100%">Forum</style></secondary-title><short-title><style face="normal" font="default" size="100%">Forum</style></short-title></titles><dates><year><style  face="normal" font="default" size="100%">2024</style></year></dates><abstract><style face="normal" font="default" size="100%">In Krebsregistern werden systematisch Daten zum Auftreten, zur Behandlung und zum Verlauf der Krebserkrankungen gesammelt, um die Versorgung von an Krebs Erkrankten weiter zu verbessern. In dem vom Bundesministerium für Gesundheit geförderten Verbundprojekt AI-CARE, an dem Krebsregister aus 8 Bundesländern beteiligt sind, werden Methoden der künstlichen Intelligenz (KI) zur Analyse von Krebsregisterdaten entwickelt und mit statistischen Verfahren verglichen. Besonderes Augenmerk des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) in Lübeck liegt dabei auf der Überlebenszeitanalyse nach Krebsdiagnose. In einem ersten Experiment wurde ein Datensatz des Krebsregisters Schleswig-Holstein dazu genutzt, verschiedene Modelle zur Überlebenszeitanalyse von an Lungenkrebs Erkrankten zu vergleichen und mit Erklärbarkeitsmethoden der KI die wichtigsten Überlebensfaktoren zu ermitteln. Die entwickelten KI-Modelle und die eingesetzten statistischen Methoden liefern interessante Ergebnisse zur Risikoeinschätzung von Erkrankten mit der Diagnose Lungenkrebs. Durch die bei den KI-Modellen eingesetzten Erklärbarkeitsmethoden konnten die Ergebnisse klinischer Studien hinsichtlich der Überlebensfaktoren bestätigt werden.</style></abstract></record></records></xml>