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.
Einem Team der Technischen Universität München (TUM) ist es gelungen, eine abnehmende Nierenfunktion infolge bestimmter Krebstherapien mit einem KI-gestützten Tool frühzeitig vorherzusagen.
Rat für ihre Erkrankungen suchen immer mehr Patienten bei digitalen Tools wie ChatGPT oder Symptom-Checker-Apps. Zwei aktuelle Studien haben nun deren Qualität und Wirksamkeit untersucht.
Die Nachsorge nach einer Stent-OP erfolgt derzeit per zeitaufwändigem OCT-Verfahren. Ein neues KI-Tool soll die Überwachung des Heilungsprozesses nach der Implantation automatisieren.
Digitale Technologien haben das Potenzial, die medizinische Fortbildung effizienter zu gestalten. Im Fokus steht Microlearning – das Lernen in kurzen, fokussierten Einheiten – kombiniert mit KI.
Wird künstliche Intelligenz (KI) künftig den Menschen ersetzen? Für Prof. Dr. Steffen Augsberg ist das nicht nur unvermeidlich, sondern sogar wünschenswert, zumindest in manchen Bereichen. In seinem Impulsvortrag auf der MEDICA zum Thema ‚KI-Diagnosen: Schnelligkeit und Präzision versus Vertrauen und Verantwortung‘ widmete er sich den vielfältigen Aspekten und Herausforderungen von KI…
Mithilfe KI-gestützter "Embedding Propagation" wollen Biomediziner in Blutbildern einzigartige Muster identifizieren, die den zukünftigen Zustand eines Patienten durch zusätzliche Tests vorhersagen.
Maschinelles Lernen (ML) kann dabei helfen, Labordaten effizient und präzise auszuwerten, um fundierte medizinische Entscheidungen zu treffen. Prof. Dr. Frank Klawonn zeigte in einem Vortrag auf der Medica in Düsseldorf verschiedene Möglichkeiten von ML auf, die zu Zeitersparnis und zur Steigerung der Produktivität führen können.
Forscher haben ein KI-Modell zur automatischen Erkennung und Segmentierung von Spinalganglien in MRT-Bildern entwickelt. Das eröffnet neue Möglichkeiten, insbesondere in der Schmerzmedizin.
Die Steuerung von Hand- oder Bein-Prothesen durch Nervenimpulse – etwa nach einer Amputation oder Schlaganfall – erfordert oft langes Training. Ein neuer Ansatz soll den Lernprozess beschleunigen.
Das LLM-basierte System "Prof. Valmed" hat als erstes KI-Tool die Zertifizierung als Medizinprodukt der Risikoklasse IIb für die Europäische Union durch eine Benannte Stelle abgeschlossen.
Fachleute erwarten einen rasch wachsenden Einsatz von KI im Gesundheitswesen. Ein Whitepaper beleuchtet die vielversprechenden Einsatzmöglichkeiten von KI-Agenten und Large Language Models (LLM).
Generative KI zeigt zwar immenses Potenzial für das Gesundheitswesen, doch die Zuverlässigkeit der großen Sprachmodelle leidet unter einem ernsten Problem: LLMs denken einfach nicht wie Ärzte, erklärte ein Experte für Datenwissenschaften auf dem Kongress Emerging Technologies in Medicine (ETIM) in Essen. Dieser potenziell folgenschwere Fehler könne jedoch behoben werden.
Die Universitätsmedizin Greifswald besetzt eine weitere Direktorenstelle. Damit schreitet der Generationenwechsel weiter voran. Seit dem 1. April ist Prof. Giovanni Rubeis der neue Direktor des Instituts für Ethik und Geschichte der Medizin.
Die Medizinische Fakultät der Otto-von-Guericke-Universität Magdeburg freut sich, die Berufung von Prof. Dr. Julian Varghese auf die W3-Professur für Medical Data Science bekannt zu geben.
Künstliche Intelligenz hält zunehmend Einzug im Gesundheitswesen. Zu klären ist aber auch, wie sie optimal und sicher eingesetzt werden kann. Eine neue Studie gibt wichtige Anhaltspunkte.
Ein mobiles Atemdiagnosegerät soll mittels KI Atemluft analysieren, um früher und schonender Anzeichen von Lungenkrebs zu erkennen. Das ist das Ziel des Forschungsprojekts Breath-Observer.
Im Zuge des Gemeinschaftsprojektes DECIPHER-M nutzen Forschende Künstliche Intelligenz (KI), um die Ausbreitung von Krebszellen anhand klinischer Routinedaten besser zu verstehen.
Künstliche Intelligenz in der Medizin effizienter, kleiner, schneller und sicherer machen – das möchte Prof. Dr. Hendrik Wöhrle. Er forscht seit kurzem an der Universität Duisburg-Essen (UDE) und am Fraunhofer-Institut für Mikroelektronische Schaltungen und Systeme.
KI wird das Gesundheitswesen grundlegend verändern. etwa bei der Entlastung von medizinischem Personal und für effizientere Abläufe – doch ohne Menschen geht es nicht, machen Experten deutlich.
