00:00:00: Hi hier ist wieder Mike Bernd von KI-Campus Team

00:00:07: bei mir ist auch wieder Kerstin Ritter von der Charité hallo Kerstin

00:00:11: hallo Mike herzlich Willkommen zu Folge 3 unseres Lernangebot ki in der Medizin in der ersten Folge hatten wir eine kleine Einführung zu

00:00:22: ki im generellen das letzte Mal machten wir dann einen ersten lockeren deepdive In ki in der Medizin und heute beschäftigen uns

00:00:33: wir uns mit der Grundlage oder dem Lebenselixier der künstlichen Intelligenz den sogenannten daten Kerstin was sind Daten.

00:00:43: Ja da hatten und erst mal ganz allgemein Angaben bzw Werte die etwas Bestimmtes beschreiben und die gemessen bzw erhoben werden und wenn man sich so umschaut dann Feld 1 bestimmen

00:00:55: ganz ganz viele Daten ein

00:00:59: die dem Essen werden also manchmal spricht man sich nur mal das Handy anschaut und schaut was ich hier alles angeschaut wird wie z.b. wie oft man das Handy nutzt wie viel Zeit man in sozialen Netzwerken verbringen Leuten man telefoniert und das gleiche gilt natürlich auch für die Medizin auch im Krankenhaus werden sehr sehr viele Daten erhoben

00:01:19: aber warum werden sie erhoben und oder warum sind diese Daten wichtig

00:01:23: ja also wie der Statistiker William edwards Deming schon sagte virtual data you're just another person than opinion also ohne Daten ist man nur jemand mit einer Meinung das heißt also immer wenn man eine

00:01:35: dumm unterstützen möchte oder belegen möchte muss man eigentlich

00:01:39: Daten erheben und in den letzten Jahrzehnten haben sich ja um um diese Daten einen gesamtes wissenschafts fällt gebildete die sogenannte data science Kerstin wie lässt sich data science beschreiben.

00:01:53: Data data science ist zunächst erstmal ein unheimlich breites und interdisziplinäres wissenschafts verhält dem es um die Extraktion und Analyse von Daten geht

00:02:03: es vereint insbesondere die Fächer Mathematik und Informatik mit bestimmten Anwendungsfächer wie z.b. Betriebswirtschaftslehre oder insbesondere auch die Medizin

00:02:13: weil für data science ist insbesondere auch das Expertenwissen.

00:02:18: Sehr wichtig also was sagen bestimmte Daten überhaupt aus und welche Fragestellungen sind überhaupt relevant ja und was würdest du sagen konkret wie verändern Daten wie verändert data-science das Berufsfeld in der Medizin.

00:02:32: Ja Daten spielen auch eine immer größere Rolle in Krankenhäusern in Arztpraxen werden immer mehr Daten über

00:02:40: erhoben überall und natürlich verändert es auch das Berufsbild einer Künstliche Umfrage der Stanford Uni bei über 500 Ärzten und 200 studieren dann hat ergeben.

00:02:50: Immer mehr Ärzte und Studierende sich in diesen Bereichen weiterbilden wollen wurde auch der Begriff genannt the rise of the data driven physischen also es wird natürlich das Berufsbild

00:03:03: in der Medizin verändern aber viele haben natürlich dann Angst dass das bedeutet das jetzt wirklich Mediziner auch noch programmieren müssen und selber die KI entwickeln das ist natürlich nicht der Fall sie müssen lernen wie man solche Systeme anwenden kann.

00:03:17: Was die Ergebnisse bedeuten aber Sie müssen nicht genau verstehen wie das jetzt im Detail funktioniert das wäre gar nicht.

00:03:25: Zusätzlich zu dem was wir die Ziener noch so lernen müssen wäre das gar nicht machbar Daten sind ja grundsätzlich jetzt erst mal ein großer

00:03:33: cool wie lassen sich Daten strukturieren bzw unterscheiden

00:03:39: ja das ist ganz ganz unterschiedliche Herangehensweisen ich würde gerne hier drei unterschiedliche Blickweisen erläutern das wäre zunächst dass sie sich der Mathematik dann aus der Sicht der Informatik und dann aus der Sicht der Statistik

00:03:53: beginn wir vielleicht mit der Mathematik genau also hier gibt es schon seit sehr sehr vielen Jahren eine Unterteilung auf die man immer wieder Bezug.

00:04:02: Nimmt und die auch Sinn macht man fängt hier mit der natürlichen Zahlen an kannst du dir vorstellen was die natürlichen Zahlen sind.

00:04:11: Wir haften ich würde sagen 123 und so weiter genau

00:04:15: das sind genau die Zahlen mit denen wir so tagtäglich hantieren also die positiv sind und abzählbar also dann immer man etwas zählen möchte dann nimmt man diese natürlichen Zahlen.

00:04:27: Aber man möchte natürlich auch manchmal darstellen wenn etwas fehlt kannst du dir vorstellen was das für Zahlen sind die negativen Zahlen genau.

00:04:37: Genau dann hätte man eben - 5 - 4 - 3 - 2.

00:04:42: Wenn man hier noch die Null dazu nimmt da die 012345 und soweit und wie wie verhält es sich beispielsweise im Falle von Brüchen oder Bruchzahlen.

00:04:51: Genau das ist jetzt genau der nächste wichtige Schritt die rationalen Zahl die man auch Bruchzahlen nennt.

00:04:59: Sind eine Erweiterung das Zahlenbereich der ganzen Zahlen.

00:05:03: Damit auch eine allgemeine Division zweier oder mehrerer zahlen ermöglicht werden kann die rationalen Zahlen sind damit als eine Obermenge von den ganzen Zahlen.

00:05:12: Und das wichtige bei den rationalen Zahlen ist es von hier im Brüche hat oder auch eine endliche Zahl an Nachkommastellen.

00:05:20: Ja aber Kerstin es gibt doch auch zahlen mit unendlichen Nachkommastellen wie beispielsweise PE wie verhält es sich da mit.

00:05:28: Ja genau ich hier kommt man quasi jetzt zu den irrationalen oder auch den transzendenten zahlen das sind eben zahlen.

00:05:33: Bei der man unendlich viele Nachkommastellen hat das bei

00:05:38: siderval das ist auch bald zu Missgeburt 2 der Fall und wenn man die rationalen und irrationalen Zahlen und kombiniert dann hat man die reellen Zahlen und die reellen Zahlen sind auch das was man in der Regel meistens.

00:05:53: Hat und auch benutzt in der Mathematik und in den RKI also das wäre sozusagen der Überblick über die verschiedenen Datentypen in der Mathematik wie verhält es sich in der Informatik welche Datentypen haben wir da

00:06:06: gerne Informatik und insbesondere Programmierung braucht man unterschiedliche Datentypen bzw man muss wenn man eine bestimmte variable beschreiben will

00:06:15: angeben was für ein Datentyp das eigentlich da sein soll und es gibt hier ein paar grundlegende Typen Dich hier kurz nennen will das erste ist ein interchar das ist eine ganzzahlige Zahl das wäre quasi das Äquivalent zu den natürlichen und ganzen Zahlen.

00:06:32: Dann gibt es float das beschreibt Dezimalzahlen hier kann man auch angeben wie viele Nachkommastellen erlaubt sein sollen

00:06:40: dann gibt es Strings das sind geordnete Zeichenfolgen also z.b. Wörter die man kann natürlich auch

00:06:47: ein Mann muss nicht immer nur mit Zahlen hantieren in der Programmierung sondern natürlich auch mit Text.

00:06:53: Und dann gibt es bulins die geben an ob etwas wahr oder falsch sind und ganz besonders wichtig sind auch Listen hier kann man z.b. bestimmte Objekte definieren also z.b. eine Person und dann für diese Person unterschiedliche Daten angeben also wie heißt diese Person wie alt ist sie

00:07:12: wo wohnt sie die Frau erkrankt und so weiter.

00:07:15: Okay also damit hätten wir ja dann auch die Informatik also wären die Mathematik die Informatik ein wichtiger Bereich ist dann noch die Statistik

00:07:24: Zipper bzw unterschiedliche Skalen wie finden Daten in diesem Feld Ihre Anwendung.

00:07:32: Jana Statistik benutzt man das Galen Niveau um die Eigenschaften von Merkmalen bzw variablen zu beschreiben das ist vor allem deshalb wichtig weil es für ein Computerprogramm einen großen Unterschied.

00:07:46: Hat ob ein Merkmal für zwei binäre Variablen annehmen kann als z.b. männlich oder weiblich.

00:07:51: Oder ganz viele Werte in einem bestimmten Bereich z.b. Größe und genau hierzu verwendet man eben.

00:07:58: Das Skalenniveau kannst du hierzu vielleicht ein konkretes Beispiel aus der Medizin nennen wir Eskalierung bzw Skalen Anwendung finden.

00:08:08: Ja also das einfachste Beispiel mit dem man beginnt oder die einfach das GALA ist die Nominalskala

00:08:16: hier wird jede Beobachtung einer Merkmalsausprägung einer Kategorie zugeordnet die hat man auch keine bestimmte Reihenfolge Beispiel wäre jetzt mal spiel das Geschlecht

00:08:25: kann man im Prinzip nur das biologische Geschlecht nehmen würde dann hätte man also männlich und weiblich also zwei unterschiedliche Kategorien

00:08:31: man kann natürlich auch z.b. mehr gender Typen zulassen dann hätte man wie bei Facebook z.b. 60 unterschiedliche Kategorien andere Beispiele sind Blutgruppen

00:08:41: oder Postleitzahlen also diese Kategorien lassen sich nicht ordnen sondern sehen sind eben qualitativ unterschiedlich

00:08:48: ja du hattest gesagt bei einer Nominalskala gibt es keine Reihenfolge gibt es Zahlen bei denen es eine Reihenfolge gibt ja und das ist auch eigentlich meistens der Fall

00:08:58: hier gibt es die ordinalskala hier ist sinnvoll ist ordnen möglich aber Abstände spielen keine Rolle das Paradebeispiel hier sind Schulnoten

00:09:08: sind geordnet von sehr gut bis ungenügend also 1 bis 6

00:09:12: aber man kann nicht die Aussage machen das eine Note doppelt so gut ist wie eine andere und gerade in der Psychologie und auch Medizin gibt es sehr sehr viele ordinalskalen zum Spielplatz Gala

00:09:25: da wird man gefragt z.b. wie zufrieden sind sie mit ihrem Leben auf einer Skala eins bis zehn.

00:09:32: Oder ein anderes Beispiel wäre auch der edss score der beschreibt die Funktionseinschränkungen von Patienten.

00:09:39: Mit MS auf einer Skala von 1 bis 10 genau fast alle kennen das die sogenannte Liga Skala von dem User Rating bei Amazon beispielsweise genau.

00:09:51: Und dann gibt es aber noch eine andere Skala die Kardinal Skala die umfasst metrischer

00:09:58: Merkmale hier besitzen die Abstände eine Bedeutung Beispiele sind jetzt z.b. die Körpergröße das Alter oder das Einkommen also hier kann man z.b. eine Aussage treffen wenn ein absoluter Nullpunkt vorhanden ist was

00:10:13: den Mann beißt möchte Körpergröße Alter oder Einkommen hat dann kann man sowas sagen wie jemand es doppelt so alt wie jemand anders.

00:10:20: Haben wir gesagt dass Daten in vielen Bereichen in quasi unendlichen Mengen mittlerweile gesammelt werden

00:10:27: nun gibt es die grundlegende Unterscheidung wir haben einerseits strukturierte Daten andererseits werden auch unstrukturierte Daten gesammelt.

00:10:36: Kerstin worin liegt da der Unterschied.

00:10:39: Ja super strukturierten Daten sagt man immer dass das Daten sind die als relationale Datenbanken dargestellt werden können das heißt man kann sie im Prinzip in Tabellen beschreiben

00:10:49: und der Vorteil hier ist dass diese ihm weniger Speicher benötigen und auch einfacher zu prozessieren sind.

00:10:57: Und studierte Daten im Unterschied.

00:10:59: Kann eben nicht als relationale Datenbanken dargestellt werden und Beispiele sind hier insbesondere Bilder audio-video freitags.

00:11:09: Teilweise auch E-Mails ihr sagt man bisschen dass das so ein Zwischending weil man hat frei Text was unstrukturiert ist aber man hat eben Doktor gewisse Strukturierung weil man eben immer einen Empfänger und Absender

00:11:20: diese Daten benötigen in der Regel mehr Speicher und sind auch schwieriger zu prozessieren.

00:11:26: Kommen vielleicht noch zu einer weiteren letzten Einteilung konkret im Bereich der Medizin hier spricht man einerseits von quer und andererseits von längsschnittdaten was hat es damit auf sich.

00:11:38: Ja es wird ein Querschnitt Daten werden Daten zu einem.

00:11:42: Bestimmten Zeitpunkt oder innerhalb eines kurzen Zeitintervalls erhoben das macht man immer dann wenn man z.b. bestimmte Gruppen miteinander vergleichen will z.b. zwischen Rauchern und Nichtrauchern.

00:11:54: Längste Daten im Unterschied hier werden Daten zu mehreren Zeitpunkten erhoben also hier schaut man sich an wie

00:12:01: sich etwas über die Zeit entwickelt wie entwickelt sich z.b. das Rauchverhalten über die Zeit

00:12:07: haben wir heute in in dieser Folge ganz viele Einteilungen kartuga vorgenommen und Kategorien gebildet was mich nun abschließend noch interessieren würde wäre wie man Daten.

00:12:18: Mathematisch beschreiben kann bzw wie sich Daten mathematisch bündeln lassen könntest Du hierzu noch was sagen.

00:12:26: Ja das ist einer der wichtigsten Punkte und jetzt kommen wir eigentlich zu der Grundlage von KI und maschinellem lernen wie liegen diese Daten eigentlich vor.

00:12:35: Und die wichtigen Begriffe die man hier nennen muss sind Vektoren und Matrizen das sind Begriffe aus der linearen Algebra einem Teilgebiet der Mathematik.

00:12:45: Kannst du uns kurz was zu Vektoren sagen ja.

00:12:49: Also ein Vektor das wären die meisten aus der Schule kennen ist eine anander Reihung von meist reellen Zahlen.

00:12:55: Die man entweder als Spaltenvektor oder als Zeilenvektor schreiben.

00:13:00: Die Anzahl der Zahlen die in diesem Sektor enthalten sind heißt die Dimension des Vektors und man benutzt

00:13:07: soll ich Direktorin insbesondere dafür um Punkt in einem Koordinatensystem festzulegen also man sich zu beschweren 2 dimensionales Koordinatensystem vorstellt also man hat eine x-Achse und man hat eine y-Achse

00:13:18: und ich dann einen bestimmten.

00:13:21: Haus denkt der Eine bestimmt x-Koordinate eine bestimmte y-Koordinaten dann kann man sich den Pfeil vom Ursprung also von 00 als Vektor vorstellen und mit solchen Vektoren kann man eben sehr gut die Daten z.b. einzelner Personen beschreiben.

00:13:37: Z.b. wenn man sich jetzt sind zwei sind zwei dimensional Koordinatensystem anschaut und dann sagt jede Person hat eine Körpergröße und ein

00:13:49: Gewicht dann kann man für jede Person einen Punkt diesen Koordinaten System definieren.

00:13:55: Genau also die kurvenbeschreibung oder die Kurvendiskussion das sollten wir alle noch aus der Schule kennen wie sieht es aus mit Matrizen Kerstin ist das auch was was wir aus unserer Schulzeit noch kennen sollten

00:14:06: ja

00:14:07: das sollten die meisten kennen im Prinzip ist das ein zahlenschema nachdem Zahlen geordnet sind Matrizen sind zweidimensional also wir haben empfehlen und entspann.

00:14:19: Und es ist häufig in der KI und beim maschinellen lernen ist es häufig so sortiert.

00:14:24: Dass die einzelnen Zeilen die einzelnen samples sind und die einzelnen Personen also Person 1 Person 2 Person 3 und so weiter und dann hat man in den einzelnen Spalten

00:14:35: bestimmte Werte die diese einzelnen Person charakterisieren also z.b. Alter Geschlecht.

00:14:43: Vorerkrankung Blutwerte und so weiter.

00:14:46: Okay ja das war schon wieder für heute für unsere Folge 3 wir werden in der nächsten Folge noch mal weiter und noch etwas tiefer in den Bereich data science eintauchen vor wir dann konkret

00:15:00: in ein Anwendungsfeld der künstlichen Intelligenz kommen zum maschinellen lernen bis dahin sage ich erstmal auf Wiedersehen tschüss

00:15:10: tschüss.