030201 KU Künstliche Intelligenz und Medizinrecht (2024S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 12.02.2024 00:01 bis Mo 26.02.2024 23:59
- Abmeldung bis Do 14.03.2024 23:59
Details
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Montag
11.03.
11:00 - 13:00
Seminarraum SEM33 Schottenbastei 10-16, Juridicum, 3.OG
(Vorbesprechung)
Montag
08.04.
11:00 - 14:00
Seminarraum SEM34 Schottenbastei 10-16, Juridicum, 3.OG
Montag
15.04.
11:00 - 14:00
Seminarraum SEM42 Schottenbastei 10-16, Juridicum, 4.OG
N
Montag
13.05.
11:00 - 14:00
Seminarraum SEM33 Schottenbastei 10-16, Juridicum, 3.OG
Dienstag
14.05.
11:00 - 14:00
Seminarraum SEM63 Schottenbastei 10-16, Juridicum 6.OG
Dienstag
21.05.
11:00 - 14:00
Seminarraum SEM42 Schottenbastei 10-16, Juridicum, 4.OG
Mittwoch
22.05.
11:00 - 14:00
Seminarraum SEM34 Schottenbastei 10-16, Juridicum, 3.OG
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Überblick über die rechtlichen Problemstellungen (zB Datenschutzrecht, Grundrechte, Berufsrecht, Haftungsrecht), die aus dem Einsatz von Künstlicher Intelligenz in der Medizin ergeben (zB Diagnose, Arzneimittelforschung, Chatbot). Nach einer Einführung in die technischen und rechtlichen Grundlagen durch die Vortragenden referieren die Studierenden zu ausgewählten Fragestellungen und arbeiten dazu ein Thesenpapier aus. Die Problemstellungen werden dabei gemeinsam diskutiert.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mündliche Präsentation zu einer ausgewählten Problemstellung im Rahmen der Referatseinheiten.
Ausarbeitung eines Thesenpapiers zum Referat. Die Verwendung von Large Language Models ist dabei gestattet, muss aber angegeben werden. Die Studierenden tragen die volle Verantwortung für den Inhalt des von ihnen vorgelegten Thesenpapiers.
Aktive Mitarbeit bei der Diskussion zu den Referaten.
Ausarbeitung eines Thesenpapiers zum Referat. Die Verwendung von Large Language Models ist dabei gestattet, muss aber angegeben werden. Die Studierenden tragen die volle Verantwortung für den Inhalt des von ihnen vorgelegten Thesenpapiers.
Aktive Mitarbeit bei der Diskussion zu den Referaten.
Mindestanforderungen und Beurteilungsmaßstab
50% Referat, 30% Thesenpapier, 20% Mitarbeit. Für eine positive Beurteilung muss jedenfalls das Referat gehalten und positiv beurteilt werden.
Prüfungsstoff
Abhalten eines mündlichen Referats + Ausarbeitung eines Thesenpapiers + aktive Mitarbeit in den Diskussionseinheiten.
Literatur
Allgemein: Topol, Deep Medicine (2019).Rechtliche Einführung: Paar/Stöger, Medizinische KI - Die rechtlichen "Brennpunkte", in Fritz/Tomaschek (Hrsg), Konnektivität (2021) 85; Schneeberger/Stöger/Holzinger, The European Legal Framework for Medical AI, in Holzinger ea (Hrsg), Machine Learning and Knowledge Extraction (2020) 209; Schönberger, Artificial intelligence in healthcare: a critical analysis of the legal and ethical implications, International Journal of Law and Information Technology 2019, 171; Stöger/Schneeberger/Holzinger, Medical artificial intelligence: the European legal perspective, Communications of the ACM 11/2021, 34.Technische Einführung: Alpaydin, Machine Learning. The New AI (2. Edition 2021); Burgstaller/Hermann/Lampesberger, Künstliche Intelligenz. Technisches und rechtliches Grundwissen (2019); Domingos, The Master Algorithm (2015); Kelleher, Deep Learning (2019); Lehr/Ohm, Playing with the Data:
What Legal Scholars Should Learn About Machine Learning, UCDL Rev 2017, 653, https://lawreview.law.ucdavis.edu/issues/51/2/Symposium/51-2_Lehr_Ohm.pdf
What Legal Scholars Should Learn About Machine Learning, UCDL Rev 2017, 653, https://lawreview.law.ucdavis.edu/issues/51/2/Symposium/51-2_Lehr_Ohm.pdf
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Fr 02.02.2024 09:05