- Sie verstehen die regulatorischen Anforderungen (MDR, IVDR, EU AI Act, FDA).
- Sie lernen GMLP im gesamten Produktlebenszyklus kennen.
- Sie erkennen Risiken, Datenanforderungen und Sicherheitsaspekte schnell und fundiert.
- Sie kennen Prozess- und Dokumentationsanforderungen, um KI-basierte Medizinprodukte nachvollziehbar und auditfest zu entwickeln.
- Sie erhalten praxisnahe Beispiele aus Medizintechnik und Pharmatechnik.
Künstliche Intelligenz (KI) in der Medizintechnik
Compliance, Risiken und Best Practices verstehen
Seminar 1 Tag Präsenz / Live Online DE, EN
Ihre Vorteile
Inhalte im Überblick
- Arbeitsweise von KI-Systemen
- Klassifizierung von KI-Systemen
- Beispiele für künstliche Intelligenz in der Medizintechnik
- Regulatorische Anforderungen: MDR, IVDR, EU AI Act, FDA
- Risikomanagement, Safety und Security für KI‑basierte Systeme (ISO 14971, BS/AAMI 34971:2023)
- Datenqualität, Logging und Transparenz im KI-Lebenszyklus (ISO/IEC 24970)
- GMLP im QMS und Lebenszyklus
- Verifizierung & Validierung (V&V) für KI-Systeme
- Usability und Transparenz
- Weitere relevante Regularien (u. a. ISO 13485, IEC 62304, Guidance MDCG 2019-11, IMDRF)
Abschluss
Zielgruppe
- Fach- und Führungskräfte aus Medizintechnik- und Herstellerunternehmen
- Fachkräfte aus den Bereichen Security, Regulatory Affairs und Qualitätsmanagement
- Fachkräfte aus System-, Software- und Requirements-Engineering
- Projekt- und Produktverantwortliche
- Dienstleistende, Zuliefernde und Beratende im Umfeld medizinischer Software
Trainer
Seminar buchen: Künstliche Intelligenz (KI) in der Medizintechnik
1 Tag DE Online
1 Tag DE Online
1 Tag EN Online
1 Tag DE München
1 Tag DE Online
1 Tag DE Nürnberg
1 Tag DE Online
1 Tag EN Online
1 Tag DE Online
Sie haben Fragen zu unseren Leistungen? Wir helfen Ihnen gerne weiter.
Aufbau und Inhalte des Seminars "KI in der Medizintechnik"
Das Seminar vermittelt die Grundlagen für den sicheren und regulatorisch konformen Einsatz von KI in der Medizintechnik. Sie lernen, wie KI-Systeme aufgebaut sind, wie Trainingsdaten qualitätsgesichert eingesetzt werden und welche regulatorischen Rahmenbedingungen gelten.
Zu Beginn erhalten Sie einen Überblick über typische KI-Anwendungen in der Medizintechnik. Sie erfahren, wie MDR, IVDR, EU AI Act und FDA-Erwartungen die Entwicklung, Dokumentation und Zulassung beeinflussen.
Der nächste Abschnitt behandelt Good Machine Learning Practice sowie Anforderungen an Nachvollziehbarkeit, Datenanforderungen und Modellvalidierung. Sie lernen, wie Sie V&V-Prozesse im QMS verankern und Trustworthiness, Transparenz und KI-Compliance bewerten.
Weitere Inhalte umfassen Risikomanagement, Cybersecurity und typische Failure Modes. Beispiele aus der Praxis verdeutlichen den sicheren Umgang mit KI-Funktionen im Produktlebenszyklus.
Häufige Fragen zu KI in der Medizintechnik
Wie kann KI in der Medizintechnik eingesetzt werden?
KI kommt in der Medizintechnik zum Einsatz, um medizinische Daten zu analysieren, Muster zu erkennen und Entscheidungsprozesse zu unterstützen. Dazu zählen die Auswertung von Bild- und Sensordaten oder Risikoanalysen.
Was sind die rechtlichen Aspekte von KI-Medizinprodukten in der EU?
Die rechtlichen Aspekte von KI-basierten Medizinprodukten in der EU werden durch eine Kombination aus Europäischen Regularien (MDR bzw. IVDR) und dem neuen EU AI Act bestimmt.
Wie verbessert Künstliche Intelligenz die Diagnose von Krankheiten?
KI verbessert Diagnosen, indem sie große Datenmengen strukturiert auswertet und Auffälligkeiten markiert. Damit unterstützt sie Ärzt*innen bei der Beurteilung von Befunden.
Welche ethischen Aspekte sind bei KI in der Medizintechnik zu beachten?
Im Rahmen der regulatorischen Vorgaben müssen einige zentrale ethische Aspekte adressiert werden:
- Transparenz
- Datenqualität
- Bias‑Kontrolle
- nachvollziehbare Entscheidungen
- Schutz von Patient*innendaten
Welche Vorteile bringt der Einsatz von KI in der Medizintechnik?
Der Einsatz von KI im Gesundheitswesen bringt klare Vorteile:
- Strukturierte Datenauswertung
- Konsistente Entscheidungsunterstützung
- Effizientere Prozesse
Ihr Einsatz verlangt zwingend eine sorgfältige Betrachtung von Risiken, Datenqualität und Validierung.