Mithilfe künstlicher Intelligenz sollen Computer menschliche Denkprozesse nachbilden. Durch maschinelles Lernen soll so die Arbeit fast aller medizinischer Teilgebiete erleichtert werden. Doch was geht im Inneren eines KI-Algorithmus vor, worauf basieren seine Entscheidungen? Kann man einer Maschine gar eine medizinische Diagnose anvertrauen? Die Klärung dieser Fragen bleibt ein zentraler Aspekt der KI-Forschung und -Entwicklung.
KI prägt zunehmend den ärztlichen Berufsalltag. Die Möglichkeiten der neuen Technik sind enorm, doch die Entscheidungen sind nicht immer fehlerfrei. Was bedeutet es für einen Arzt, mit einem solchen unperfekten Alleskönner zusammenzuarbeiten? Im Rahmen der Reihe ‚DGIMTalk‘ der Deutschen Gesellschaft für Innere Medizin (DGIM) sprach Dr. Christian Becker darüber, wie sich das ärztliche…
KI hält Einzug in die Radiologie, doch bei der Implementierung gibt es noch große Unterschiede. Eine neue Untersuchung zur Nutzung von KI in bayerischen Praxen beleuchtet die Gründe.
Kann ein KI-basiertes Diagnosesystem die Qualität der Diagnosestellung verbessern? Eine umfangreiche Studie zeigt, dass die Technik den hohen Erwartungen noch nicht gerecht wird.
Viele Erkenntnisse über einen Patienten aus wenigen Parametern gewinnen – daran arbeiten Forscher mithilfe von KI, um die personalisierte Krebsbehandlung zu verbessern.
Eine Kooperation zwischen dem Uniklinikum Freiburg und Dedalus HealthCare soll KI-Anwendungen noch tiefer in radiologische Abläufe integrieren und Daten besser für die Forschung nutzbar machen.
Warum unterscheidet sich Dickdarmkrebs so stark von Patient zu Patient, und wie können Pathologen diese Unterschiede für bessere Therapien nutzen? Diesen Fragen sind Forscher auf der Spur.
Auswahl geeigneter Krebs-Therapien, Prognose des Therapieansprechens und mehr: Ein neuer Übersichtsartikel beschreibt das große Potenzial KI-basierter Biomarker in der Onkologie.
Können große Sprachmodelle (LLMs) dabei helfen, radiologische Befunde zu strukturieren, ohne dabei den Schutz von Patientendaten zu gefährden? Eine neue Studie liefert vielversprechende Ergebnisse.
Welche Rolle wird KI bei der Neuaufstellung des Gesundheitsversorgung spielen? Im Rahmen eines Think Tanks in Berlin widmeten sich Krankenhausleiter und andere Experten dieser Frage.
Lange Wartezeiten, Personalmangel, unzureichende Vergütung – KI könnte dabei helfen, diese Herausforderungen in der Mammografie zu bewältigen, erklärt Radiologin Priv. Doz. Dr. Susanne Grandl.
Führt künstliche Intelligenz (KI) die Radiologie in eine ‚schöne neue Welt‘? Dr. Barbara Daria Wichtmann vom Universitätsklinikum Bonn sieht KI auf jeden Fall als Katalysator für eine grundlegende Transformation in der Radiologie und im Gesundheitswesen insgesamt, wie sie beim Radiologiekongress Ruhr im November in Dortmund deutlich machte. Herausforderungen gibt es dennoch.
Bessere Brustkrebs-Erkennung, weniger Arbeit für Radiologen: Die weltweit größte Studie zu KI im deutschen Mammographie-Screening-Programm zeigt den erfolgreichen Einsatz der Technologie.
Ein neues Endoskop, das modernste Laser- und Bildgebungsverfahren mit KI kombiniert, erfasst Tumorgewebe während einer OP in Echtzeit. Damit werden präzisere Krebs-Operationen möglich.
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.
Ein Prototyp zur Herstellung von CAR-T-Zellen für die Krebstherapie soll per KI dafür sorgen, dass die lebensrettenden Zellen künftig patientennah direkt in der Klinik hergestellt werden können.
Ein neuartiger Chip kombiniert modernste Hardware-Technologie mit künstlicher Intelligenz (KI), um Herzrhythmusstörungen frühzeitig und zuverlässig zu identifizieren.
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.
Große KI-Sprachmodelle (LLM) könnten Patienten mit lebensmüden Gedanken oder Todeswunsch frühzeitig erkennen und so zur Prävention von Suizid in der Klinik beitragen.
