Forschende stellen einen auf Deep Learning basierenden Algorithmus vor, der die Auswirkungen von Erbgut-Varianten auf das Risiko für bestimmte, seltene Erkrankungen vorhersagen kann.
Durch die Kombination von Risikomarkern, systematischer Befundung von MRT-Aufnahmen und KI kann das Risiko für Prostatakrebs präziser als bisher vorhergesagt werden, wie eine neue Studie zeigt.
Deep Learning-KI soll dabei helfen, MRT-Aufnahmen schneller zu rekonstruieren und die Bildqualität erhöhen. Das hilft bei der Erkennung akuter ischämischer Schlaganfälle.
Um die Mammographie-Diagnostik zu verbessern und Untersuchungsergebnisse schneller verfügbar zu machen, setzen Radiologen am Universitätsklinikum Dresden jetzt auf eine neue, KI-basierte Software.
Forschende haben einen Algorithmus mit künstlicher Intelligenz entwickelt, der einen bestimmten Herzfehler bei Neugeborenen automatisch und zuverlässig erkennen kann.
Bestimmte genetische Merkmale sind für die Diagnostik der AML-Leukämie entscheidend. Ein neues KI-basiertes Verfahren kann diese Merkmale aus Aufnahmen von Knochenmarkausstrichen vorhersagen.
Eine neue Studie der Uniklinik RWTH Aachen zeigt, welche enormen ökologischen Konsequenzen die Nutzung von Deep Learning in der Pathologie haben kann.
Zum ersten Mal zeigen Forschende, dass KI-basierte Vorhersagen vergleichbare Ergebnisse wie klinische Tests an Biopsien von Darmkrebs-Patienten liefern können.
Ein neues Analyseprogramm, das ab sofort für Forschungszwecke kostenlos nutzbar ist, wertet CT-Bilder automatisiert aus und soll so die Schlaganfall-Diagnostik verbessern.
US-Forscher haben ein neues KI-Modell für die medizinische Bildgebung entwickelt, das das Einholen einer zweiten Meinung effektiv nachahmen kann.
Forschende am KIT nutzen Maschinelles Lernen, um den Ursprungsort der Extrasystolen nichtinvasiv zu bestimmen. Dies könnte künftig die Diagnose und Therapie erleichtern und verbessern.
Künstliche Intelligenz ausprobieren und verstehen: Ein digitaler Showroom der Kompetenzplattform KI.NRW zeigt ein Werkzeug zur Erkennung von Lungenentzündungen.
Machine Learning und KI spielen eine zunehmend wichtige Rolle in Medizin und Gesundheitswesen. Dies gilt vor allem in datenintensiven Fachgebieten wie Radiologie, Pathologie oder Intensivmedizin. Doch die Güte von Diagnostik und Entscheidungsfindung per KI ist nicht nur davon abhängig, wie ausgefeilt der zugrunde liegende Algorithmus ist – sondern auch von der Qualität der Trainingsdaten.
Die neueste Version von ChatGPT hat eine Radiologie-Prüfung der RSNA bestanden. Das unterstreiche das Potenzial großer Sprachmodelle, zeige aber auch Grenzen auf, so Experten.
Forschende der Uni Kiel haben eine Software entwickelt, die Wirbelbrüche auf CT-Bildern mithilfe künstlicher Intelligenz automatisch erkennt und prognostisch bewertet.
Ein Team aus Innsbruck hat eine KI entwickelt, die erstmals 3D-Bilddaten von Gehirnuntersuchungen bei Frühgeborenen automatisiert analysieren kann. Nun gilt es, sie weiter zu trainieren.
US-Forscher haben ein genaues Deep-Learning-Verfahren für den Nachweis von Alzheimer entwickelt, das auf routinemäßig im klinischen Umfeld erstellten Bildern vom Gehirn beruht.
Eine neu KI-basierte Methodik kann histologische Gewebeproben objektivierbar und quantitativ in sehr großer Anzahl auswerten. Dieser „Pathomics“-Ansatz könnte die Pathologie revolutionieren.
Die Unterscheidung von Primärtumoren und Metastasen kann bei Hirntumoren rasch und präzise mittels Radiomics und Deep Learning-Algorithmen erfolgen, zeigt eine neue Studie.
