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.
Ambient Scribes, die Arzt-Patientengespräche automatisch dokumentieren, Systeme, die Lungenaufnahmen befunden, Tools, die klinische Entscheidungen unterstützen – künstliche Intelligenz hat innerhalb weniger Jahre den Sprung in den klinischen Alltag vollbracht. Doch wie gut müssen Mediziner, Pflegekräfte und Klinikmanager die Technik verstehen, um sie verantwortungsvoll einzusetzen?
Strukturierte Programme zur Lebensstiländerung helfen Patienten mit Adipositas, Gewicht zu verlieren. Ein neues, KI-gestütztes Verfahren soll den Behandlungserfolg besser vorhersagen.
Chronische Wunden sind eine große diagnotische Herausforderung. Ein neues KI-System soll die Beurteilung komplexer Wunden unterstützen – und dabei seine Entscheidungen transparent erklären.
Die medikamentöse Therapie einer Vaskulitis unterdrückt die Immunabwehr und sollte daher so kurz wie möglich erfolgen. Forscher haben mit KI und Proteomik Biomarker entdeckt, die helfen sollen.
„Frau Mayer" hat eine psychische Erkrankung – doch die ist genauso wenig real wie sie: Am Uniklinikum Münster üben Medizinstudierende jetzt Patientengespräche mit lebensnahen KI-Avataren.
Ob aus Foundation Models echter Mehrwert für Qualität, Effizienz und Patientensicherheit entsteht, entscheidet sich anhand von Real-World-Daten aus dem klinischen Alltag. Genau hier kommt der Teleradiologie eine Schlüsselrolle zu.
3D-Kugel statt 2D-Schichtaufnahmen: Ein neuartiges KI-Verfahren soll die Aggressivität eines Tumors direkt anhand von CT- und MRT-Aufnahmen bewerten.
Wie können KI und Datenmanagement helfen, gesundheitliche Krisen früh zu erkennen und besser zu bewältigen? Das Projekt AtheneKI entwickelt ein System zur Erstellung ganzheitlicher Lagebilder.
Auf der Grundlage von Krankenkassendaten entwickeln Forscher KI-basierte Modelle, die Krankheitsrisiken bei Krebs früh erkennen und die Risikokommunikation und Versorgung verbessern sollen.
Teleradiologie ist heute weit mehr als eine Lösung für Nacht- und Wochenenddienste. Erfahren Sie, welche Kriterien bei der Auswahl eines Teleradiologie-Partners wirklich zählen, von medizinischer Expertise über IT-Integration bis zum gezielten Einsatz von KI.
Die Stimme kann wertvolle Hinweise auf Erkrankungen wie Parkinson, Alzheimer, Herzinsuffizienz und Diabetes liefern. Eine neue Studie geht dem Potenzial stimmbasierter Biomarker auf den Grund.
Ein neues, KI-gestütztes Modell identifiziert individuelle Unterschiede im Therapieansprechen bei Patienten mit IgA-Nephropathie und soll so für präzisere Behandlungsentscheidungen sorgen.
Kann KI helfen, Vorstufen von Darmkrebs bei Patienten mit Lynch-Syndrom besser zu erkennen? Eine Studie zur Früherkennung bei diesen Hochrisikopatienten kommt zu ernüchternden Ergebnissen.
Ob Patienten ihrem Arzt vertrauen, könnte davon abhängen, was künstliche Intelligenz (KI) dazu zu sagen hat. Das legt eine neue Studie der Penn State University nahe.
Ein Verbundprojekt kombiniert KI und biologische Testverfahren, um Antibiotikakandidaten schneller zu identifizieren und gezielt für den Einsatz gegen multiresistente Bakterien zu optimieren.
Die Diagnose bestimmter Blut- und Lymphdrüsenkrebserkrankungen könnte künftig einfacher und transparenter werden: Ein neues KI-System unterstützt Ärzte bei der Einordnung von B-Zell-Lymphomen.
Nicht nur die richtige Therapie ist entscheidend, sondern auch Zeitpunkt, Dosis und Dauer. KI soll Ärzte dabei unterstützen, diese Entscheidungen individuell für jeden Patienten zu treffen.
Vom Notruf bis zur Klinik: Das Verbundprojekt PRIORITAS entwickelt ein intelligentes, KI-gestütztes System, das Leitstellen bei komplexen Entscheidungen in der Notfallversorgung unterstützt.
Wie sicher sind KI-Modelle, die etwa für die Erkennung von Krebs mit Gesundheitsdaten von Patienten trainiert werden? Ein Forschungteam deckt nun das tatsächliche Ausmaß der Datenschutz-Risiken auf.
