Forschende konnten nachweisen, dass KI-Modelle zur Vorhersage von Antibiotikaresistenzen bei Krankheitserregern häufig weniger zuverlässig sind als bisher angenommen.
Eine neue App nutzt maschinelles Lernen, um Primärzilien in der menschlichen Schilddrüse zu erkennen und zu vermessen – ein Befund mit potenziell wichtigen Folgen für die Schilddrüsengesundheit.
Ein Bluttest-basiertes KI-Modell kann mit nur drei bzw. fünf Routine-Laborparametern den Krankheitsverlauf bei fortgeschrittener chronischer Lebererkrankung vorhersagen, wie eine neue Studie belegt.
Ein Forscherteam nutzt KI, um die Diagnose chronischer Rückenschmerzen zu verbessern. Ein maschinelles Lernverfahren vergleicht dabei verschiedene Diagnosekriterien für Patienten miteinander.
LLM, neuronale Netze und der AI Act: Mit der Gründung der Sektion „Digitale Kompetenz und Künstliche Intelligenz (KI)“ will die DGKL die Digitalisierung der Labormedizin vorantreiben.
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.
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.
Ein neuartiger Ganzkörperscanner nutzt erklärbare KI (XAI), um die Früherkennung von Hautkrebs zu verbessern. Das System liefert für jede auffällige Veränderung an der Haut eine Risikobewertung.
Mit DNA-Methylierungsanalyse und Machine Learning wollen Forscher Hirntumore während einer OP in Echtzeit klassifizieren, um detaillierte Informationen über den Tumor zu erhalten.
Die neusten Ergebnisse einer Studie belegen das Potenzial von Deep Learning zur Ableitung morphologischer Merkmale, die den Mutationsstatus vorhersagen können. Zukünftige Studien sollen sich auf weitere klinisch relevante Mutationen konzentrieren.
Forschende der TU Graz haben mithilfe raffiniert trainierter neuronaler Netze präzise Echtzeitbilder des schlagenden Herzens aus nur wenigen MRT-Messdaten erzeugt.
Bei manchen Patienten mit Prostatakrebs muss die Prostata entfernt werden – aber nicht bei allen. Ein neues Verfahren nutzt KI und Multiomics, um die invasive Biopsie zur Abklärung zu vermeiden.
Eine personalisierte KI namens ARTEMIS zum Ausschluss eines Herzinfarkts könnte im ambulanten und präklinischen Bereich durchgeführt werden und so Notaufnahmen der Krankenhäuser entlasten.
Reinhard Heckel, Professor für Maschinelles Lernen an der Technischen Universität München, spricht über die Bedeutung von Daten für Large Language Models und bildgebende Verfahren in der Medizin.
Auf dem Gerontologie- und Geriatrie-Kongress in Kassel spricht Biomediziner Dr. Sebastian Lobentanzer über KI in der molekularen und klinischen Modellierung sowie das Potenzial von LLMs wie ChatGPT.
Kausales maschinelles Lernen ist ein vergleichsweise neuer Zweig von KI – und könnte den Erfolg von Therapien besser vorhersagen. Ein Forscherteam lotet das Potenzial der Methode aus.
KI soll das Gesundheitswesen effizienter und günstiger machen. Doch wie können Mediziner sicher sein, dass die Maschine keine Fehler macht? Dieser Frage gehen Forscher der FH Dortmund nach.
Mit neuen Methoden auf Basis künstlicher Intelligenz genügt bereits das kleine Blutbild, um Patienten mit Sepsis früher zu erkennen als bisher, wie das AMPEL-Projekt berichtet.
