Unlocking the potential of quantum computing for cancer detection

Wie entwirft und verwendet man quantenneuronale Netze?

Künstliche Intelligenz gewinnt in der medizinischen Diagnostik, etwa bei der Krebsdiagnose, zunehmend an Bedeutung. In diesem kritischen Kontext sind jedoch genaue und zuverlässige Vorhersagen von entscheidender Bedeutung. Für das Training von Algorithmen des maschinellen Lernens werden in der Regel große, kommentierte Datensätze benötigt, insbesondere für Aufgaben des maschinellen Sehens. Klinische Studien erreichen in der Regel Stichprobengrößen von etwa 100 bis 1000, was für ML-Ansätze oft nicht ausreicht. Algorithmen, die auf Quantencomputing basieren, versprechen eine hohe Vorhersagegenauigkeit auch bei begrenzten Datenmengen.

Im ersten Teil dieses Online-Seminars wird Dr. Balthasar Schachtner von der Abteilung Klinische Datenwissenschaft der LMU die Herausforderungen beim Einsatz von KI-Methoden im klinischen Kontext vorstellen, mit einem Schwerpunkt auf der Radiologie. Im zweiten Teil zeigen dann Wissenschaftler des Fraunhofer IKS anhand von Beispielen aus der Klassifikation von Brustkrebs oder Knoten in der Lunge, wie die Herausforderungen perspektivisch durch Quantencomputing angegangen werden können

Highlights

• Einführung in die Schwierigkeiten beim Einsatz von KI im klinischen Kontext durch einen Experten auf diesem Gebiet
• Einführung in die Technologie des Quantencomputings
• Einblicke in die aktuelle Forschung: Kann uns das Quantencomputing bei der Bewältigung der Herausforderungen im klinischen Kontext helfen?
   

Zielgruppe

• Allgemeines technisch interessiertes Publikum
• KI-Erfahrung ist hilfreich
• Jegliche Unternehmen, die an Anomalie-Erkennung interessiert sind
   

Agenda