KI-generierte synthetische Bilder können helfen, Bias in medizinischen Diagnosemodellen sichtbar zu machen, zu messen und zu reduzieren – ohne echte Patientendaten zu gefährden.
Diese Folge behandelt das Problem von Bias in KI-Modellen für die medizinische Diagnostik, besonders bei der Hautkrebserkennung. Der wissenschaftliche Mitarbeiter Stanislav Frolov vom DFKI erklärt, wie sein Projekt MedGenAI synthetische Hautkrebs-Bilder erzeugt, um Testgruppen zu schaffen, die alle Kombinationen von Geschlecht, Alter und Hauttyp abdecken. Diese Counterfactuals ermöglichen es, Bias systematisch zu analysieren und Diagnosemodelle fairer zu trainieren, wobei synthetische Daten echte Trainings- und Testdaten ergänzen, aber nicht ersetzen sollten.
Rubriken
Themen & Erkenntnisse
Wer spricht
IIsabel GrünewaldHOST
Isabel Grünewald ist Moderatorin des KI‑Update‑Podcasts von heise und verantwortlich für Deep‑Dive‑Formate; in dieser Produktion führt sie durch das Gespräch, stellt vertiefende Fragen zu praktischen Auswirkungen und kommentiert juristische sowie technische Aspekte.
Alle Auftritte von Isabel Grünewald →SStanislav FrolovGAST
Wissenschaftlicher Mitarbeiter am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI), Experte für generative KI und Bias-Abschwächung in medizinischen Diagnosemodellen
Alle Auftritte von Stanislav Frolov →KIDieser Inhalt wurde KI-gestützt erstellt und redaktionell geprüft.