# HCI - Aufgabe 1

## Interessengruppen

Welche Interessensgruppen gibt es für Counterfactual Explanations im Bereich von Röntgenaufnahmen der Lunge:

* Ärzte:
* Möchte seine Entscheidungen überprüfen
* Vertrauen in KI-Systeme stärken und Entscheidungen nachvollziehen
* Lehre:
* Lehrenden Unterschiede verdeutlichen
* Patienten:
* Möchte Erklärung für die Diagnose
* Visualisierung hilft beim Verständnis
* Entwickler:
* Generieren von Trainings- / Testdaten
* Nachvollziehen der Entscheidungen des Klassifikators
* Erklärungen für False-Negatives und False-Positives
* Forscher:
* Wie kann der Klassifikator verbessert werden?
* Welche weiteren Anzeichen von Lungenentzündungen gibt es auf Röntgenaufnahmen?

## Nutzungskontexte

* Diagnose von Lungenentzündungen:
* NutzerInnen: Arzt
* Alter: 25 - 70
* Fähigkeiten: Lungenentzündungen auf Röntgenaufnahmen erkennen
* Qualifikationen und Aufgabenwissen: absolviertes Medizinstudium
* Einstellung: skeptisch (vertraut auf eigene Einschätzung mehr als KI)
* Motivation: möchte eigene Entscheidungen überprüfen und eine zweite Meinung
* Aufgaben / Tasks:
* Diagnose von Lüngenentzündungen anhand von Röntgenaufnahmen
* Häufigkeit: mehrmals am Tag
* Ergebnis: (korrekte) Diagnose und evtl. Therapie
* Arbeitsschritte:
1. Röntgenaufnahme von Patienten anfertigen
2. Betrachten der Aufnahme, evtl. weiteren Arzt konsolidieren
3. Weitere Tests durchführen
4. Behandlung einleiten falls nötig
* Umgebung:
* Technisch: Röntgengerät, Computer zum Betrachten der Röntgenaufnahmen
* Physikalisch: Krankenhaus, Arztpraxis, medizinisches Labor
* Organisatorisch: Arzthelfer, Computer zur Verwaltung von Patientendaten und Steuern von medizinischen Geräten
* Erklären von Diagnosen:
* NutzerInnen: Patient
* Alter: beliebig
* Fähigkeiten: nicht relevant
* Qualifaktionen und Aufgabenwissen: nicht relevant
* Einstellung: Besorgt (evtl. an Lungenentzündung erkrankt), skeptisch (möchte Diagnose nachvollziehen)
* Motivation: möchte Diagnose nachvollziehen
* Aufgaben / Tasks:
* Betrachten von Röntgenaufnahmen
* Häufigkeit: selten
* Ergebnis: Verständnis für die Entscheidung
* Arbeitsschritte:
* Betrachten der Röntgenaufnahmen
* Erklärungen des Arztes verstehen
* Umgebung:
* Technisch: Computer zum Betrachten der Röntgenaufnahme
* Physikalisch: Krankenhaus, Arztpraxis
* Kurs zu Lungenerkrankungen:
* NutzerInnen: Studenten
* Alter: 18 - 25
* Fähigkeiten: Interesse am Thema, praktische medizinische Erfahrungen
* Qualifikationen und Aufgabenwissen: Verständnis von medizinischen Sachverhalten
* Einstellung: motiviert, lernbereit
* Motivation: möchte Lungenentzündungen erkennen können
* Aufgaben / Tasks:
* Betrachten von Röntgenaufnahmen, Studium von Lungenerkrankungen
* Häufigkeit: mittel
* Ergebnis: Verständnis für Lungenerkrankungen, kann Lungenentzündungen diagnostizieren
* Arbeitsschritte:
* Erlernen der Theorie zu Lungenentzündungen
* Beispiele von Röntgenaufnahmen von Lungenentzündungen
* Überprüfen des Erlernten
* Umgebung:
* Technisch: Präsentationsmaterial, bestehende Röntgenaufnahmen
* Physikalisch: Universität, Krankenhaus
* Organisatorisch: Student unter Anleitung von Professoren bzw. ausgebildeten Ärzten
* Entwicklung von KI-Anwendungen zur Erkennung von Lungenentzündungen:
* NutzerInnen: Entwickler
* Alter: 18 - 70
* Fähigkeiten: Erfahren im praktischen Umgang mit Machine Learning, medizinische Grundkenntnisse
* Qualifikationen und Aufgabenwissen: Studium, Ausbildung im Informatikbereich
* Einstellung: motiviert, Interesse an der Thematik
* Motivation: möchte einen möglichst genauen Diagnosealgorithmus entwickeln
* Aufgaben / Tasks:
* Entwickeln einer Machine Learning Anwendung zur Diagnose von Lungenentzündungen
* Häufigkeit: einmalig
* Zeitraum: 6 Monate - 2 Jahre
* Ergebnisse: möglichst korrekter Algorithmus zur Diagnose von Lungenentzündungen
* Arbeitschritte:
* Entwickeln der Anwendungen
* Testen
* Deployen
* Umgebung:
* Technisch: Tensorflow, Keras, Pytorch, Jupyter, Python, GPUs, Entwicklungsumgebung, Hardware für Machine Learning
* Physikalisch: Unternehmen
* Organisatorisch: Arbeitnehmer, Projektteam
* Forschung zu automatisierten Diagnosemöglichkeiten für Lungenentzündungen:
* NutzerInnen: Forscher
* Alter: 18 - 99
* Fähigkeiten: Erfahrungen mit Machine Learning, medizinischen Kenntnisse zu Lungenentzündungen
* Qualifikationen und Aufgabenwissen: Studium im Bereich der Informatik oder Medizin
* Einstellung: persöhnliches Interesse, motiviert
* Motivation: Research betreiben, Anwendungen verbessern, neue Diagnosemöglichkeiten explorieren
* Aufgaben / Tasks:
* Untersucht Machine Learning Ansätze zur Diagnose von Lungenentzündungen
* Zeitraum: 6 Monate - 5 Jahre
* Ergebnisse: wissenschaftliche Publikation, neue Diagnosemöglichkeiten für Lungenentzündungen
* Arbeitschritte:
* Untersuchen bestehender Anwendungen und Ansätze
* Evaluieren und evtl. Verbessern dieser
* Publizieren der Ergebnisse
* Umgebung:
* Technisch: Jupyter, verschiedene Testfälle,
* Physikalisch: Universität, Krankenhaus
* Organisatorisch: Forschungsgruppe