Kontinuierliches Lernens bei KI-Modellimplementierung: 23 Kliniken, 12 Länder, Fehlerreduktion durch lokales Anpassen
Von KI ausgewählt und zusammengefasst
Worum es geht
Retrospektive Studie mit 2.313 Thorax-Aufnahmen aus 23 Krankenhäusern in 12 Ländern über 5 Kontinente: Vergleich von Deployment-Strategien (Original-Modell, Hospital-spezifisches Fine-Tuning, Continual Learning) für KI-basierte Endotrachealtubus-Lagebeurteilung.
Ergebnis
Continual Learning erzielte signifikant niedrigeren durchschnittlichen ETT-Carina-Fehler von 10,58 mm (SD±12,98), verglichen mit 12,49 mm (SD±15,37) beim Hospital-spezifischen Fine-Tuning (nur 50 Trainings-Fälle) und 16,39 mm (SD±21,56) beim Original-Modell. Continual Learning übertraf Original-Modell an allen 23 Krankenhäusern und Hospital-spezifisches Fine-Tuning an 21 von 22 Krankenhäusern, ohne komplexe Infrastruktur oder Datentransfer zwischen Hospitälern erforderlich.
Übertragbarkeit auf Deutschland
Multinational (inkl. Deutschland, Österreich, Belgien, Schweiz, Spanien), zeigt praktische Implementierungsstrategie; Datenschutz-konform.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.