Inhalt

Künstliche Intelligenz im Krankenhaus verspricht eine effiziente und besser Versorgung von Patienten.
Der Einsatz von Anwendungen, die auf Künstlicher Intelligenz (KI) basieren, birgt im klinischen Alltag viele Vorteile. Dazu gehören u. a. Fehlervermeidung, Effizienzsteigerung und Qualitätsverbesserung – wobei das volle Potenzial und die langfristigen Auswirkungen der neuen Technologien noch nicht ganz absehbar sind. Die technischen Innovationen können außerdem dazu beitragen, die Zufriedenheit von medizinischem und pflegerischem Personal sowie von Patient*innen zu steigern [1].
SmartHospital.NRW: ein Modellprojekt für die Zukunft
Das Projekt SmartHospital.NRW zielt darauf ab, den Menschen in den Mittelpunkt fortschrittlicher medizinischer Versorgungskonzepte zu rücken, indem es die Entwicklung innovativer, KI-basierter Anwendungen fördert. Zusätzlich konzipiert es spezifische Werkzeuge für Krankenhäuser verschiedener Digitalisierungsstufen. So wird eine nahtlose und patient*innenzentrierte Transformation zur intelligenten Krankenhauseinrichtung ermöglicht und unterstützt. Die Initiative verdeutlicht das Bestreben, durch Einsatz von Technologie das Wohl der Patient*innen und die Behandlungsqualität signifikant zu steigern und gleichzeitig das Personal zu entlasten.
SmartHospital.NRW wird vom Ministerium für Wirtschaft, Industrie, Klimaschutz und Energie des Landes Nordrhein-Westfalen gefördert. Es wird als eine wegweisende Initiative angesehen, die darauf ausgerichtet ist, durch den Einsatz von Spitzentechnologie und patient*innenzentrierten Ansätzen die medizinische Landschaft nicht nur zu transformieren und zu optimieren, sondern auch die Versorgung empathisch zu individualisieren und das Wohlergehen der Patient*innen kontinuierlich zu verbessern [2]. Dazu werden vom Konsortium sowohl Transformations- und Geschäftsmodelle als auch KI-basierte Prototypen für verschiedene Anwendungsbereiche in der Medizin selbst entwickelt.
Zusammenfassung
Die Integration von Künstlicher Intelligenz (KI) im Krankenhauswesen bietet große Chancen zur Effizienzsteigerung und Qualitätsverbesserung in der Versorgung von Patient*innen. Sie birgt aber auch Herausforderungen, wie die Bereitstellung von hochwertigen, repräsentativen Daten, um die Technologie anzulernen. Projekte wie SmartHospital.NRW zeigen, wie KI-basierte Systeme den Klinikalltag durch (Teil-)Automatisierung, z. B. bei der Erstellung von Entlassbriefen oder in Form von Assistenzsystemen, verbessern können. Instrumente wie der KI-Readiness-Check unterstützen Kliniken bei der Transformation. Ziel ist es, die Idee vom Krankenhaus der Zukunft zu verwirklichen, das durch KI sowohl effizienter als auch menschlicher wird, indem es mehr Raum für direkte Interaktion mit den Patient*innen schafft und die Zufriedenheit der Patienten und Patientinnen, der Angehörigen und des Personals erhöht.
Effizienz trifft Empathie
In der klinischen Versorgung fallen zahlreiche Dokumente an, darunter Befundberichte, Operationsberichte und Entlassbriefe. Diese Texte weisen oft keine einheitliche Struktur auf. Insbesondere ärztliches Personal muss daher viel Zeit und Arbeit aufwenden, alle relevanten Informationen aus den vorhandenen Dokumenten herauszufiltern. Dies ist notwendig, um nachgelagerte Behandlungsschritte effizient und präzise durchführen zu können [3]. Zusätzlich zum Zeitaufwand für das Durchsehen der Dokumente beansprucht das Erstellen der eigenen Berichte und Entlassbriefe noch einmal einen Mehraufwand an Zeit und Arbeit.
Die (semi-)automatisierte Erstellung von Arztbriefen
Ein Schwerpunkt des SmartHospital.NRW-Projekts besteht darin, den Prozess der Erstellung von Entlassbriefen mithilfe von KI teilweise zu automatisieren. Zur Realisierung dieses Vorhabens werden fortschrittliche Methoden aus den Bereichen Natural Language Processing (NLP) und Large Language Models (LLMs) eingesetzt. NLP befasst sich damit, wie Maschinen menschliche Sprache verstehen und interpretieren können, um Texte zu analysieren und zu verarbeiten. Diese Techniken ermöglichen es, aus umfangreichen Textmengen essenzielle Informationen und deren Kontexte zu extrahieren und nutzbar zu machen [4].
Um Modelle trainieren zu können, die die für die Behandlung relevanten Datenelemente und deren Zusammenhänge erkennen, sind sogenannte annotierte Trainingsdaten erforderlich. Im Projekt SmartHospital.NRW markiert medizinisches Fachpersonal hierzu die für Befund und Diagnose relevanten Informationen und deren Beziehungen – bspw. spezifische Antikörper und deren jeweilige Werte – unter anderem in Onkologiebefunden. Mit diesen Informationen wird das Modell darauf trainiert, die spezifischen Zusammenhänge autonom zu identifizieren und zu verarbeiten.
Die manuell durchgeführten Annotationen werden bei SmartHospital.NRW nochmals durch Fachärzt*innen geprüft. Diese erneute Prüfung sichert die Qualität der Daten und die Integrität des Trainingsdatensatzes. Dadurch wird die Leistungsfähigkeit des KI-Modells gewährleistet und mögliche Verzerrungen der Daten bzw. der Dateninterpretation werden vermieden [5]. Für das Training des Modells sind spezifisch auf den Kontext zugeschnittene Daten unerlässlich. Nur so kann das Modell die später erwünschten Ergebnisse erzielen.
Die trainierte KI kann auch bei unbekannten Befunden die relevanten Informationen und deren Beziehungen zueinander erkennen.
Nach Abschluss des Trainings ist das Modell in der Lage, auch bei unbekannten Befunden eigenständig die relevanten Informationen und deren Beziehungen zueinander zu identifizieren. Die von der KI gewonnenen Erkenntnisse werden als Vorschläge bereitgestellt und in strukturierter Form, bspw. in einer Tabelle, aufbereitet.
Parallel dazu wird ein weiteres Modell trainiert, das die extrahierten Daten des ersten Modells nutzt und diese in ausformulierten einzelnen Sätzen oder in Form einer Zusammenfassung schriftlich darstellt. Somit kann das Modell sowohl einzelne Abschnitte eines Entlassbriefs als auch den gesamten Briefentwurf vorschlagen.
Zusammenarbeit von Mensch und KI
Beide KI-Modelle werden in einem Gesamtsystem zusammengefügt. Eine leicht verständliche Oberfläche der fertigen Applikation erleichtert die Bedienung. Der ärztliche Dienst kann nun die verschiedenen Textvorschläge bzw. den Entwurf des gesamten Briefes prüfen, Anpassungen vornehmen und freigeben. Die Qualität der generierten Texte hängt dabei entscheidend von der Leistungsfähigkeit, dem Umfang und der Qualität der Trainingsdaten der Modelle ab. Darüber hinaus ist der Anwendungskontext für die Qualität der generierten Ergebnisse wichtig.
Ein mit onkologischen Daten trainiertes KI-Modell kann z. B. nicht ohne Weiteres im endokrinologischen Kontext eingesetzt werden. Unabhängig davon kann auf eine finale Prüfung und Korrektur der von der KI vorgeschlagenen Texte durch den ärztlichen Dienst nicht verzichtet werden.
Während medizinisches Fachpersonal aufgrund von Erfahrung und Fachkenntnis problemlos medizinische Berichte verfassen kann, ist dies für maschinelle Systeme eine große Herausforderung.
Durch eine solche (Teil-)Automatisierung wird das medizinische und pflegende Personal entlastet und der zeitintensive Dokumentationsprozess erheblich beschleunigt. Die gewonnene Zeit kann wieder in die direkte Patient*innenbetreuung fließen, der menschliche Aspekt der Versorgung rückt wieder in den Fokus. Mehr Zeit für individuelle Gespräche und Behandlungen tragen zudem zur Zufriedenheit von Patient*innen und Mitarbeitenden bei.
Wohlbefinden für Patient*innen, Entlastung für die Pflege
Durch Personalmangel und administrativen Aufwand kann das Pflegepersonal im Krankenhaus oft weniger patient*innennahe Tätigkeiten ausführen als vorgesehen und gewünscht. Auch die Lauf- und Wegstrecken des Pflege- und Servicepersonals nehmen Zeit in Anspruch. Für Patient*innen können so unter Umständen Wartezeiten entstehen.
Ein KI-basiertes Sprachassistenzsystem für Patient*innen
Um hier Abhilfe zu schaffen, wird innerhalb von SmartHospital.NRW ein prototypisches Sprachassistenzsystem entwickelt. Mit diesem System soll der Komfort der Patient*innen verbessert und gleichzeitig das Pflege- und Servicepersonal entlastet werden. Um dies zu erreichen, unterstützt ein Sprachassistenzsystem die Autonomie der Patient*innen.
Hierfür werden unterschiedliche Funktionen für den Assistenten etabliert und getestet. Bereits prototypisch umgesetzte Funktionen sind unter anderem:
- das Abfragen von eigenen Terminen innerhalb des Krankenhauses (z. B. Physiotherapiestunden)
- das Steuern von Raumelementen (z. B. Öffnen und Schließen von Fenstern, Lichtregulation)
- das Abrufen von Informationen (z. B. die Wettervorhersage oder Informationen aus Beipackzetteln)
- die Erstellung von persönlichen Tagebucheinträgen (z. B. zum Wohlbefinden oder Schmerzempfinden)
Die Funktionen 1–3 ermöglichen es Patient*innen, eigenständig relevante Informationen einzuholen oder – insbesondere bei bettlägerigen Patient*innen – Aktionen im Raum durchzuführen, für die sie normalerweise Personal rufen müssten. Dies entlastet das Personal bei einigen Tätigkeiten und Laufwegen. Ein wichtiger Punkt, denn: Die für die Genesung wichtigen empathischen und menschlichen Gespräche zwischen Personal und Patient*innen sowie die pflegerischen und medizinischen Tätigkeiten sollen keinesfalls durch Technologien ersetzt werden.
Integration in die Krankenhausinfrastruktur
Im Rahmen des Projekts werden Möglichkeiten analysiert, das Sprachassistenzsystem in die bestehende Krankenhausinfrastruktur zu integrieren. Dabei gilt es verschiedene Aspekte zu berücksichtigen, darunter die Auswahl der Hardware, über die der Sprachassistent mit den Nutzenden kommunizieren soll, die Installationsorte sowie die potenziellen Zusatzfunktionen des Systems. Möglich wäre z. B., Patient*innen selbst zwischen Sprachsteuerung, der Bedienung per Touchscreen oder Gesten wählen zu lassen.
Zudem gilt es zu überlegen, ob und inwiefern die Informationsausgabe des Sprachassistenzsystems in bestimmten Fällen limitiert werden soll bzw. muss. Hierunter fallen beispielsweise Informationen zu Medikamenten und deren Dosierung sowie zur jeweiligen Erkrankung und Diagnose. Geklärt werden müssen außerdem Fragen der Privatsphäre, insbesondere in Mehrbettzimmern, und Zugriffsmöglichkeiten des medizinischen Fachpersonals auf abgespeicherte Informationen wie Tagebucheinträge, z. B. Beispiel im Rahmen von medizinischen Notfällen.
Von der Vision zur Realität
Ein Hauptanliegen des Projektes SmartHospital.NRW ist es, Krankenhäuser bei der langfristigen Transformation zu einem Smart Hospital zu unterstützen. Um diesem Anliegen nachzukommen, wurde ein Vorgehensmodell entwickelt. Dieses Vorgehensmodell setzt sich unter anderem aus dem KI-Readiness-Check und dem Smart-Hospital-Check zusammen.
Einschätzung der eigenen KI-Readiness
Der KI-Readiness-Check unterstützt Krankenhäuser dabei, die eigene KI-Readiness einzuschätzen [2]. KI-Readiness bezeichnet in diesem Kontext die notwendige Infrastruktur und weitere Voraussetzungen des Krankenhauses, um KI-Anwendungen erfolgreich einsetzen zu können. Wie beim Sprachassistenzsystem und der (semi-)automatisierten Arztbrieferstellung steht auch hier die Entlastung des Personals und die verbesserte Versorgung der Patient*innen im Mittelpunkt.
Der KI-Readiness-Check wurde so konzipiert, dass er für alle Krankenhäuser und Kliniken in Deutschland, unabhängig von Größe und Digitalisierungsgrad, anwendbar ist. Den Einrichtungen ist dadurch eine Selbsteinschätzung zu ihrer eigenen KI-Readiness möglich.
Hierzu wird der aktuelle Stand der Dinge in den Dimensionen Technik, Organisation, Daten, Personal, Strategie und Sicherheit abgefragt. Zu jeder Dimension werden Thesen aufgestellt, die einen optimalen Zustand in dieser Abteilung ausdrücken. Die Expert*innen der Fachbereiche bewerten, zu welchem Grad dies auf ihre Einrichtung zutrifft. Die abschließende Auswertung erfolgt entlang von 4 Stufen, wobei die Stufen für jede der 6 Dimensionen einzeln vergeben werden. Dadurch ist es möglich, herauszufinden, in welchem Fachbereich Defizite vorliegen. Erzielt ein Krankenhaus in einer Dimension die höchste Stufe, so ist es in diesem Bereich optimal auf eine digitale Transformation vorbereitet [2].
Maßnahmenvorschläge und Ableitung erster Schritte
Aufbauend auf den KI-Readiness-Check sieht das Vorgehensmodell den Smart-Hospital-Check vor. Dieser bewertet die „strategische Ausrichtung gemäß den Standards eines Smart Hospitals“ [6]. Der Smart-Hospital-Check umfasst 5 Dimensionen:
- Strategische Ausrichtung
- Patient*innen-Zentrierung
- Mitarbeiter*innen-Zentrierung
- KI-Durchdringungsgrad
- Ökosystem
Vor allem die Dimensionen Patient*innen- und Mitarbeiter*innen-Zentrierung spielen eine wichtige Rolle in einem Smart Hospital. Die Transformation zu einem Smart Hospital gelingt nur, wenn beide Gruppen in die Transformation eingebunden werden [6].
Basierend auf den Ergebnissen der Checks werden im Rahmen des Vorgehensmodells Maßnahmenvorschläge ausgegeben, die sich auf die jeweils erreichte Stufe in der abgefragten Dimension beziehen. Insbesondere bei Dimensionen, in denen nur eine niedrige Stufe erreicht wurde, bieten die Maßnahmenvorschläge erste Anhaltspunkte für Verbesserungen. Zusätzlich werden Vorschläge für interessante KI-basierte Use Cases gemacht, die im jeweiligen Krankenhaus umgesetzt werden könnten. Des Weiteren werden mögliche nötige Qualifizierungsbedarfe für einen potenziell erfolgreichen Einsatz aufgezeigt. Damit bietet das Vorgehensmodell eine Basis, auf der das Krankenhaus erste Schritte in Richtung der Transformation zu einem Smart Hospital für sich ableiten und umsetzen kann.
Im Laufe des Projekts SmartHospital.NRW sollen noch Hinweise zu den notwendigen Change-Management-Prozessen ergänzt werden. Ein auf die digitale Transformation abgestimmtes Change Management ist wichtig, um alle Gruppen mitzunehmen und weder Patient*innen noch Mitarbeitende außen vor zu lassen. Nur so können neue Prozesse und digitale Tools nachhaltig in der Einrichtung implementiert werden.
Herausforderungen und Chancen
Die Qualität und die Verfügbarkeit von Gesundheitsdaten stellen eine der wesentlichen Herausforderungen bei der Entwicklung und Nutzung von KI im medizinischen Bereich dar. Die Datenbasis ist grundlegend für eine zuverlässige und möglichst verzerrungsfreie Funktionsweise des KI-Modells.
Bias und Data Gap
Im Allgemeinen bezeichnet ein Bias eine Verzerrung in Datensätzen oder kognitiven Annahmen, die bestimmten Personengruppen schaden können. So ist z. B. der sogenannte Gender Data Gap – das Fehlen geschlechtsspezifischer Daten – ein bedeutendes Hindernis für die Entwicklung diskriminierungsfreier und effektiver KI-Systeme. Traditionell basieren viele medizinische Studien und Algorithmen auf Daten, die hauptsächlich von männlichen Probanden stammen, was zu einer Verzerrung der Ergebnisse führen kann. Dieser Gender Bias kann dazu führen, dass KI-Modelle für bestimmte Patient*innengruppen weniger genau arbeiten. Insbesondere dann, wenn geschlechtsspezifische Unterschiede in der Symptomatik oder im Krankheitsverlauf nicht berücksichtigt werden. Um diesen Herausforderungen zu begegnen, sind eine diversifizierte und inklusive Entwicklung und Datenerhebung notwendig, die geschlechtsspezifische Unterschiede in der Diagnose und Behandlung anerkennen [5].
Strukturelle Herausforderungen
Durch die sektorale Gliederung des Gesundheitswesens und die zum großen Teil noch bestehenden Interoperabilitätshürden sind viele Gesundheitsdaten fragmentiert und schwer kombinierbar. Dies erschwert insbesondere den Zugang zu longitudinalen Daten, die für die Analyse von Krankheitsverläufen von großer Bedeutung sind. Sicherheits- und Datenschutzbedenken, vor allem hinsichtlich des Umgangs mit sensiblen Patient*innendaten, stellen ebenfalls große Herausforderungen dar. Zudem fehlt es an allgemeingültigen Standards und Richtlinien, die die vertrauenswürdige Nutzung von KI-Anwendungen gewährleisten [7].
Darüber hinaus sollte der Einsatz von KI ethisch reflektiert und das Bewusstsein bei Entwickler*innen und Anwender*innen für ethische Problemstellungen bei der Verwendung von KI gestärkt werden. Nur so ist ein verantwortungsvoller Einsatz von KI im sensiblen Bereich der Gesundheitsversorgung zur bestmöglichen Versorgung der Patient*innen möglich.
Vielseitige Einsatzmöglichkeiten von KI
KI kann ihr Potenzial in verschiedenen Bereichen des Gesundheitswesens entfalten. Ein zentrales Anwendungsfeld ist die KI-gestützte Bilderkennung, bei der Algorithmen gutartige und bösartige Läsionen in Mammografie-Aufnahmen erkennen und klassifizieren können [8]. In der Intensivmedizin können KI-Modelle zudem wichtige Prognosen über die Aufenthaltsdauer oder Risikofaktoren von Patient*innen erstellen [9].
KI entfaltet ihr Potenzial aber nicht nur im klinischen Umfeld, sondern auch in der Krankenhausadministration und in der Logistik. Sie kann helfen, ressourcenschonende Prozesse zu etablieren, Kosten zu senken und die Umweltbilanz zu verbessern. Dazu gehören Entscheidungsunterstützungssysteme, die Handlungsempfehlungen auf Basis großer Datenmengen geben, sowie Anwendungen im Controlling und in der logistischen Steuerung [10].
Mit KI zu mehr Menschlichkeit
Mit der zunehmenden Nutzung KI-basierter Systeme im Krankenhaus verändert sich auch der Arbeitsalltag des Gesundheitspersonals, das nun zunehmend eine Brückenfunktion zwischen Patient*innen und digitalen Systemen einnimmt [1]. Die Integration dieser Systeme in die Krankenhausinfrastruktur fördert die Effizienz der Arbeitsabläufe. Hierdurch bietet sich die Chance, auch die Menschlichkeit im Gesundheitswesen zu fördern. Durch die Entlastung des Fachpersonals mithilfe der KI kann ärztliches und pflegendes Personal seine Interaktionen mit den Patient*innen intensivieren [12].
Die Entlastung durch die KI ermöglicht es Ärzt*innen und Pflegepersonal, den Kontakt mit den Patient*innen zu intensivieren.
Fazit: Technologie im Dienst des Menschen
Digitalisierung und der Einsatz von KI spielen eine große Rolle bei der Vision des „Krankenhauses der Zukunft“, sollten aber als Mittel zum Zweck betrachtet werden, um den Menschen stets in den Fokus des medizinischen Handelns zu stellen. Eben aus diesem Grund müssen Krankenhaus und Gesundheitsversorgung weitergedacht werden. Neben der effizienten Krankenhaus-Administration und -Logistik bietet der Einsatz von KI-Anwendungen in klinischen Prozessen unter anderem Potenziale in den Bereichen der Effizienzsteigerung, der Qualitätsverbesserung sowie der Fehlervermeidung [12].
Diese verbesserten Prozesse können die Zufriedenheit von Patient*innen und die des medizinischen Fachpersonals erhöhen. Am Beispiel des Arztbriefgenerators aus dem Projekt SmartHospital.NRW lässt sich verdeutlichen, welche positiven Effekte der Einsatz von KI im Krankenhaus aufweisen kann. Indem Ärzt*innen bei der Erstellung von Entlassbriefen durch den Einsatz von KI unterstützt und entlastet werden, wird die Interaktion mit den Patient*innen intensiviert und somit die Menschlichkeit im Gesundheitswesen gefördert [12].
KI hat damit das Potenzial, die Krankenhauslandschaft nachhaltig zu prägen. Für eine faire und wirksame Implementierung ist jedoch eine umfassende Berücksichtigung ethischer und geschlechtsspezifischer Aspekte erforderlich. Dies umfasst unter anderem eine repräsentative und inklusive Datenerhebung sowie eine bessere Datenqualität. Auf diese Weise lässt sich der Gender Data Gap schließen und Bias minimieren.
Das Krankenhaus der Zukunft zeichnet sich aber nicht nur durch den Einsatz von KI aus, sondern auch durch eine Vernetzung mit ambulanten Einrichtungen. Das Krankenhaus der Zukunft wird auf diese Weise zu einer Versorgungsplattform, durch die Patient*innen bestmöglich versorgt werden [13].
KI bietet somit die Chance, das bestehende Gesundheitssystem für alle – Patient*innen, Angehörige und Mitarbeiter*innen – zu verbessern.
Autorinnen und Autoren
Elisabeth Liebert
ist seit 2021 in der Stabsstelle Digitale Transformation der Universitätsmedizin Essen und im NRW Flagship-Projekt „SmartHospital.NRW“ tätig. Nach Abschluss ihres Masters in Internationale Studien/Friedens- und Konfliktforschung fokussiert sie sich nun auf ethische Fragestellungen und Herausforderungen beim Einsatz von KI in der Medizin.
Dominik Bures
ist seit 2021 in der Stabsstelle Digitale Transformation der Universitätsmedizin Essen tätig. Nach Abschluss seines Masters in Sozialwissenschaft fokussiert er sich nun auf die digitale Transformation, den Einsatz von Künstlicher Intelligenz und die Berücksichtigung von Genderaspekten in der digitalen Medizin.
Pia Ruoff
ist seit 2023 in der Stabsstelle Digitale Transformation der Universitätsmedizin Essen tätig und ebenfalls Mitglied des Projektes „SmartHospital.NRW“. Nach Abschluss ihres Bachelors in Gesundheitsdaten und Digitalisierung absolviert sie zurzeit den Master in Management für Pflege- und Gesundheitswissenschaften.
Dr. Jil Sander
ist in der Stabsstelle Digitale Transformation an der Universitätsmedizin Essen tätig und leitet dort das Konsortialprojekt „SmartHospital.NRW“. Sie leitete zuvor das Geschäftsfeld „Healthcare Analytics“ am Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS und ist promovierte Bioinformatikerin.
Interessenkonflikt: Die Autor*innen geben an, dass kein Interessenkonflikt besteht.
- Werner JA, Forsting M, Kaatze T. et al. Smart Hospital: Digitale und empathische Zukunftsmedizin. Berlin: MWV; 2020
- Nickel K, Milde K, Kremer D. et al. Der KI-Readiness-Check. In: Fraunhofer-Institut für Intelligente Analyse und Informationssysteme IAIS, Hrsg. Bereit für das Smart Hospital?. München: Fraunhofer-Institut 2022; 16-24
- Kreimeyer K, Foster M, Pandey A. et al. Natural language processing systems for capturing and standardizing unstructured clinical information: A systematic review. J Biomed Inform 2017; 73: 14-29
- Antweiler D, Beckh K, Chakraborty N. et al. Natural Language Processing in der Medizin. Whitepaper. Im Internet:. publica-rest.fraunhofer.de/server/api/core/bitstreams/2c49467b-4350-4099-9040-f539cb4302f9/content Stand: 14.11.2024
- Vorisek CN, Stellmach C, Mayer PJ. et al. Artificial intelligence bias in health care: Web-based survey. J Med Internet Res 2023; 25: e41089
- Lückerath D, Albiez D, Böbel M. et al. Das SmartHospital.NRW Vorgehensmodell (o. D.). Im Internet:. smarthospital.nrw/wp-content/uploads/2024/07/Flyer_SmartHospital_Vorgehensmodell_web.pdf Stand: 06.11.2024
- Cremers AB, Englander A, Gabriel M. et al. Vertrauenswürdiger Einsatz von Künstlicher Intelligenz: Handlungsfelder aus philosophischer, ethischer, rechtlicher und technologischer Sicht als Grundlage für eine Zertifizierung von künstlicher Intelligenz (2019). Im Internet:. www.ki.nrw/wp-content/uploads/2020/03/Whitepaper_KI-Zertifizierung.pdf Stand: 25.10.2024
- Ribli D, Horváth A, Unger Z. et al. Detecting and classifying lesions in mammograms with deep learning. Sci Rep 2018; 8 (01) 4165
- Gutierrez G. Artificial intelligence in the intensive care unit. Crit Care 2020; 24 (01) 101
- Werner JA, Kaatze T, Schmidt-Rumposch A. Green Hospital: Nachhaltigkeit und Ressourcenschonung im Krankenhaus. Berlin: MWV; 2022
- Werner JA. So krank ist das Krankenhaus: Ein Weg zu mehr Menschlichkeit, Qualität und Nachhaltigkeit in der Medizin. Essen: Klartext; 2022
- Bures D, Hosters B, Reibel T. et al. Die transformative Wirkung von Künstlicher Intelligenz im Krankenhaus. Inn Med 2023; 64 (11) 1025-1032
- Montag B. Das smarte digitale Gesundheitswesen: Menschlich, präzise und effizient. In: Werner JA, Forsting M, Kaatze T, Schmidt-Rumposch A, Hrsg. Smart Hospital – Digitale empathische Zukunftsmedizin. Berlin: MWV; 2020: 49-55