Eine neue Veröffentlichung prognostiziert, wie autonome KI-Agenten die Arbeitsabläufe in der Krebsforschung verändern werden - und den Forschern dabei mehr Zeit für das Wesentliche geben.
Ein Team aus Forschenden konnte jetzt durch den Einsatz von Künstlicher Intelligenz (KI) deutlich exakter bestimmen, zu welchem Zeitpunkt ein Schlaganfall stattgefunden hat.
Ausgefeilte medizinische KI-Modelle liefern mittlerweile beeindruckende Ergebnisse – allerdings häufig auf Kosten einer miserablen Umweltbilanz. Auf der Medica 2024 betrachteten Experten die ökologischen Auswirkungen von Deep-Learning-Algorithmen und schlugen einen nachhaltigeren Ansatz vor.
Deep Learning kann helfen, durch PET- und CT-Scans die Lage und Größe von Tumoren feststellen. Bei einem Wettbewerb zur medizinischen Bildanalyse stellten Forscher vielversprechende Ansätze vor.
Um die Größe eines Herzinfarktes in Laborversuchen zu bestimmen, werten Forschende Bilder bislang „von Hand“ aus. Der Einsatz von KI erledigt diesen sehr zeitaufwändigen Schritt in Sekunden.
Ein neuentwickeltes tragbares Kamerasystem erkennt den Inhalt von Ampullen und Spritzen in Echtzeit mittels KI und soll so dazu beitragen, Fehler bei der Gabe von Medikamenten zu verhindern.
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.
