PuSH - Publikationsserver des Helmholtz Zentrums München

Nguyen, B.H.P. ; Ohnmacht, A. ; Galhoz, A. ; Büttner, M. ; Theis, F.J. ; Menden, M.P.

Künstliche Intelligenz und maschinelles Lernen in der Diabetesforschung.

Artificial intelligence and machine learning in diabetes research.

Diabetologie 17, 788–798 (2021)
DOI
Open Access Green möglich sobald Postprint bei der ZB eingereicht worden ist.

Hintergrund

Diabetes mellitus entwickelt sich zu einem globalen Gesundheitsproblem, das eine Transformation der Forschung und der medizinischen Praxis für ein besseres Patientenmanagement erfordert. Diesbezüglich bieten die Fülle an Daten und die Fortschritte in der Technologie und der künstlichen Intelligenz Möglichkeiten für ein solches Unterfangen.

Ziele

Diese Übersichtsarbeit soll einen Überblick über künstliche Intelligenz und die aktuelle Forschung in ihrer Anwendung im Bereich Diabetes geben, insbesondere zur Risikovorhersage, Diagnose, Prognose und Vorhersage von Komplikationen.

Fazit

Künstliche Intelligenz transformiert die Diabetesforschung in vielen technischen und organisatorischen Aspekten. Obwohl ihr Einsatz noch begrenzt und mit vielen Herausforderungen konfrontiert ist, wird sie wahrscheinlich künftig die medizinische Behandlung beeinflussen, indem sie eine automatisierte und personalisierte Gesundheitsversorgung für Erkrankte bietet.

Background: Diabetes mellitus is becoming a global health issue which demands a transformation of the research and healthcare practice for better patient management. To this end, the abundance of data and advancements in technology and artificial intelligence provides opportunities for such an endeavour. Aims: This review aims to provide an overview of diabetes, artificial intelligence and the current research in diabetes which involve artificial intelligence in risk prediction, diagnosis, prognosis and prediction of complications. Conclusion: Artificial intelligence is transforming diabetes research in many technical and organizational aspects. Although its deployment is still limited and is facing many challenges, it will likely impact future patient care by providing automated and personalized healthcare for patients.

Altmetric
Weitere Metriken?
[➜Einloggen]
Zusatzinfos bearbeiten [➜Einloggen]
Publikationstyp Artikel: Journalartikel
Dokumenttyp Review
Korrespondenzautor
Schlagwörter Algorithms ; Biostatistics ; Computational Biology ; Computational Intelligence ; Diabetes Mellitus; Glycemic Control; Risk Prediction; Type-2; Autoantigen; Complications; Hypoglycemia; Individuals; Association; Therapy; Future
ISSN (print) / ISBN 2731-7447
e-ISSN 2731-7455
Zeitschrift Diabetologie, Die
Quellenangaben Band: 17, Heft: , Seiten: 788–798 Artikelnummer: , Supplement: ,
Verlag Springer
Verlagsort Tiergartenstrasse 17, D-69121 Heidelberg, Germany
Nichtpatentliteratur Publikationen
Begutachtungsstatus Peer reviewed
Institut(e) Institute of Computational Biology (ICB)