Beitrag von Christian Gehring

Diese systematische Übersichtsarbeit und Metaanalyse untersucht die diagnostische Genauigkeit von Künstlicher Intelligenz (KI) bei der Erkennung von approximalen Kariesläsionen auf Bissflügelaufnahmen. Die Studie, basierend auf randomisierten und nicht-randomisierten kontrollierten Studien, zeigt, dass KI-Modelle klinisch akzeptable Genauigkeit bieten, insbesondere bei der Identifizierung gesunder Zähne. Die gepoolte Sensitivität und Spezifität lagen bei 0,94 beziehungsweise 0,91. Trotz des Potentials zur Unterstützung in der Frühdiagnose ist die Überprüfung durch Experten essenziell, um unnötige Behandlungen zu vermeiden. Die Integration von KI kann Fachkräfte bei der Diagnose präzise unterstützen. Bleiben Sie mit uns auf dem Laufenden und entdecken Sie, wie bei zahnarztzentrum.ch neueste wissenschaftliche Erkenntnisse zur fortlaufenden Verbesserung der Patientenbetreuung beitragen.

Zu #KI und Self-Supervised Learning in der Dermatopathologie spreche ich mit Max Schmidt von aisencia: https://lnkd.in/eSu3w657 #ai #dermatologie

🌟 Personalisierte Behandlungsmethode bei Hirntumoren: KI als Game Changer! 🌟 Die Karl Landsteiner Privatuniversität für Gesundheitswissenschaften setzt auf Künstliche Intelligenz bei der Therapie von Gehirntumoren. Durch Machine Learning können genetische Mutationen aus bildgebenden Diagnostiken rasch und präzise identifiziert werden. 🧠🤖 📰 Neueste Forschung zeigt: Schnelle und genaue Diagnose von Mutationen in primären Hirntumoren (Gliome) Personalisierte Therapien können den Behandlungserfolg signifikant verbessern Frühe Identifikation des Mutationsstatus optimiert die Behandlungsansätze 🔍 Herausforderungen & Erfolge: Uneinheitliche Standards bei der Bildgewinnung erschweren den Routineeinsatz ML-Methoden zeigten eine Präzision von 92% bei der Unterscheidung von Tumormutationen Andreas Stadlbauer, Medizinphysiker am Zentralinstitut in St. Pölten, betont die Bedeutung der frühen Diagnosen für individuelle Therapieoptionen. https://lnkd.in/dCdsimqS #HealthcareInnovation #KünstlicheIntelligenz #MachineLearning #Gliome #PersonalisierteMedizin #Krebsforschung #KarlLandsteinerUniversität #Gesundheitswissenschaften #Medizintechnik #Forschung #Hirntumor #Präzisionsmedizin

Sunnyvale (USA)/München, Juni 2024 - Levita Magnetics (https://lnkd.in/e3z3Xiu5) hat sich für RTI Connext (https://lnkd.in/dsEsnJzJ) entschieden, um Echtzeit-Konnektivität für MARS (https://lnkd.in/dAriTZpn: die derzeit einzige FDA-zugelassene chirurgische Roboterplattform, die die Chirurgie mit Magneten und Maschinen revolutioniert. MARS wurde entwickelt, um die Patientenergebnisse und die klinische Effizienz bei großen Bauchoperationen zu verbessern, und hat bereits Hunderte von erfolgreichen Operationen in den USA und Chile durchgeführt. Mit der Technologie von Levita können sich die Patienten auf eine schnellere Genesung, weniger Schmerzen und bessere kosmetische Ergebnisse freuen. Wenn es um die Steuerung und Kontrolle bei minimal-invasiven Therapien geht, ist es entscheidend, dass die Datenkommunikation korrekt abläuft. Zur Datenübertragung in Echtzeit und Gewährleistung der Patientensicherheit ist eine zuverlässige, robuste und skalierbare Softwarelösung Voraussetzung. Connext, das auf dem Standard Data Distribution Service (DDS) (https://lnkd.in/grkZ2sd) basiert, ermöglicht einen sicheren Informationsaustausch in Echtzeit, eine modulare Anwendungsentwicklung und eine schnelle Integration verteilter Systeme. Besonders hilfreich ist der Routing Service von RTI (https://lnkd.in/dsEsnJzJ), der eine nahtlose Kommunikation zwischen zwei unterschiedlichen Kommunikationsprotokollen unterstützt. So können Teams effizient eine flexible und ganzheitliche Kommunikationsarchitektur entwerfen, um die Entwicklung klinischer Lösungen zu beschleunigen. "RTI Connext ermöglicht moderne Steuerungen und Visualisierungen in der Chirurgie, die sowohl die operierenden Ärzte als auch das Pflegepersonal verbessern", erläutert Chauncey Graetzel, VP von R&D bei Levita Magnetics. "Wir setzen weiterhin auf bahnbrechende Innovationen in der chirugischen Robotik, um die Grenzen zu verschieben und unser Engagement für Sicherheitsstandards aufrechtzuerhalten." Künstliche Intelligenz (KI) gewinnt in der Gesundheitsbranche zunehmend an Bedeutung. Levita ist das erste Unternehmen, das Augmented Reality (AR) in der Bauchchirurgie einsetzt. Künftig wird die AR-Komponente als Zubehör für das MARS-System eingesetzt, um die Visualisierung zu verbessern, minimal-invasive Techniken zu optimieren und die Zusammenabeit im medizinischen Bereich zu fördern. Alle gängigen AR-Headsets können in Verbindung mit MARS verwendet werden, so dass Chirurgen umfassende Bilder und eine genauere Analyse der Patienten erhalten. "Die Konvergenz von Robotik, KI, Datenanalyse und Visualisierungstechnologien ebnet den Weg für eine neue Ära in der Medizintechnik, in der die Konnektivität im Mittelpunkt steht", so Darren Porras, Market Development Manager, Medical bei RTI. https://lnkd.in/de5r8Y_u

***Dateneffizientes Basismodell für Biomarker-Erkennung*** In der Medizin können Systeme der Künstlichen Intelligenz Krankheiten früher erkennen, #Therapien verbessern und medizinisches Personal entlasten. So tragen lernfähige KI-Systeme in der Krebstherapie dazu bei, Biomarker in pathologischen Bildern aufzuspüren. Wie leistungsfähig sie sind, hängt davon ab, wie gut die KI trainiert wurde. Forschenden des Fraunhofer-Instituts für Digitale Medizin (Fraunhofer MEVIS) ist es in Zusammenarbeit mit der RWTH Aachen University, der Universität Regensburg und der Hannover Medical School gelungen, ein Basismodell zu entwickeln, das #Gewebeproben anhand eines Bruchteils der üblichen Trainingsdatensätze schnell, zuverlässig und ressourceneffizient analysiert. Der Lösungsansatz vom Fraunhofer #MEVIS basiert auf überwachtem Vortraining. Das KI-Modell lernt in einer Grundausbildung allgemeine Merkmale und Gesetzmäßigkeiten aus einer Vielzahl von #Gewebeschnittbildern, sogenannte »Tissue Concepts«. Diese Konzepte sind auf verschiedene Krankheiten übertragbar. In einem zweiten Schritt werden diese Konzepte auf spezifische Fragestellungen angewendet, wodurch die #KI mit deutlich weniger Daten #Biomarker identifizieren kann, die z. B. verschiedene Tumorarten unterscheiden. Jeder Datensatz wird von einem Experten mit notwendigen Informationen versehen. »Wir geben unserem Modell das Bild und liefern ihm die Antwort mit. Das machen wir mit einem Multitasking-Ansatz für zahlreiche verschiedene Aufgaben gleichzeitig.«, erklärt Jan Raphael Schäfer, KI-Experte am Fraunhofer MEVIS. Mit Hilfe des am Institut entwickelten Bildregistrierungsverfahren #HistokatFusion können automatisch annotierte Trainingsdaten aus immunhistochemischen Gewebefärbungen generiert werden, die Proteine oder andere Strukturen mit Hilfe von markierten #Antikörpern sichtbar machen. »Da die Anzahl der Trainingsdaten in diesem Bereich des Deep Learning mit Trainingsaufwand und Rechenleistung korreliert, werden auch nur etwa sechs Prozent der Ressourcen generell benötigt. Zudem brauchen wir gerade einmal 160 Stunden Training – ein ganz entscheidender Kostenfaktor. So können wir mit viel weniger Aufwand ein gleichwertiges Modell trainieren«, freut sich Fraunhofer MEVIS-Wissenschaftler Dr. Johannes Lotz. Der zweite Platz beim internationalen #SemiCOL Wettbewerb (Semi-supervised learning for colorectal cancer detection) zur Krebs-Klassifizierung und -Segmentierung beweist, wie gut sich das vortrainierte Modell generalisieren lässt. Die Forschenden stellen das vortrainierte #Modell und den Code für weiterführendes Lernen auf verschiedenen Plattformen für nichtkommerzielle Zwecke zur Verfügung und arbeiten in Kooperation mit klinischen Partnern daran, die Lösung in die medizinische Anwendung zu überführen und systematisch zu validieren. Lesen Sie mehr unter: https://lnkd.in/eEvwp-M4 ©Fraunhofer MEVIS

𝗗𝗶𝗴𝗶𝘁𝗮𝗹 𝗧𝘄𝗶𝗻𝘀: 𝗥𝗲𝘃𝗼𝗹𝘂𝘁𝗶𝗼𝗻𝗶𝘇𝗶𝗻𝗴 𝗣𝗲𝗿𝘀𝗼𝗻𝗮𝗹𝗶𝘇𝗲𝗱 𝗠𝗲𝗱𝗶𝗰𝗶𝗻𝗲 Imagine a world where medical treatments are customized to your DNA, lifestyle, and individual needs, heralding a new era of digital twins that transform diagnosis and treatment. Innovations like 𝗣𝗵𝗶𝗹𝗶𝗽𝘀' 𝗛𝗲𝗮𝗿𝘁𝗡𝗮𝘃𝗶𝗴𝗮𝘁𝗼𝗿 and 𝗙𝗘𝗼𝗽𝘀' 𝗛𝗘𝗔𝗥𝗧𝗴𝘂𝗶𝗱𝗲 are pioneering personalized care, reshaping healthcare across disciplines from cardiology to pharmacology and beyond. Sun et al. 2023: ''𝘿𝙞𝙜𝙞𝙩𝙖𝙡 𝙩𝙬𝙞𝙣 𝙞𝙣 𝙝𝙚𝙖𝙡𝙩𝙝𝙘𝙖𝙧𝙚: 𝙍𝙚𝙘𝙚𝙣𝙩 𝙪𝙥𝙙𝙖𝙩𝙚𝙨 𝙖𝙣𝙙 𝙘𝙝𝙖𝙡𝙡𝙚𝙣𝙜𝙚𝙨'' Stell dir eine Welt vor, in der jede medizinische Behandlung nicht nur präzise auf deine DNA abgestimmt ist, sondern auch deine Lebensweise, Umweltfaktoren und individuellen Bedürfnisse berücksichtigt, um 𝗱𝗲𝗶𝗻𝗲 𝗮𝗯𝘀𝗼𝗹𝘂𝘁𝗲 𝗘𝗶𝗻𝘇𝗶𝗴𝗮𝗿𝘁𝗶𝗴𝗸𝗲𝗶𝘁 in jeder Therapie widerzuspiegeln. 𝗪𝗶𝗹𝗹𝗸𝗼𝗺𝗺𝗲𝗻 𝗶𝗻 𝗱𝗲𝗿 𝗯𝗮𝗵𝗻𝗯𝗿𝗲𝗰𝗵𝗲𝗻𝗱𝗲𝗻 Ä𝗿𝗮 𝗱𝗲𝗿 𝗱𝗶𝗴𝗶𝘁𝗮𝗹𝗲𝗻 𝗭𝘄𝗶𝗹𝗹𝗶𝗻𝗴𝗲! Diese virtuellen Nachbildungen von Organen, Geweben und Zellen revolutionieren die Präzision in Diagnose und Therapie, eröffnen ungeahnte Möglichkeiten in der individualisierten Medizin und gestalten die Zukunft der Gesundheitsversorgung neu. Indem Patienten durch digitale Zwillinge in virtueller Form repräsentiert werden, lassen sich ihre medizinischen Fälle in unterschiedlichsten Simulationsszenarien durchspielen. Digitale Zwillinge prägen bereits erfolgreich die medizinische Praxis, wie etwa 𝗣𝗵𝗶𝗹𝗶𝗽𝘀' 𝗛𝗲𝗮𝗿𝘁𝗡𝗮𝘃𝗶𝗴𝗮𝘁𝗼𝗿, der CT-Bilder für Echtzeit-Operationseinblicke nutzt, 𝗙𝗘𝗼𝗽𝘀' 𝗛𝗘𝗔𝗥𝗧𝗴𝘂𝗶𝗱𝗲 zur Optimierung der Behandlung von Herzerkrankungen und 𝗦𝗶𝗺&𝗖𝘂𝗿𝗲𝘀 𝟯𝗗-𝗿𝗼𝘁𝗮𝘁𝗶𝗼𝗻𝘀𝗮𝗻𝗴𝗶𝗼𝗴𝗿𝗮𝗳𝗶𝘀𝗰𝗵𝗲 𝗠𝗼𝗱𝗲𝗹𝗹𝗲, die die chirurgische Planung und Durchführung verbessern. Diese Innovationen markieren den Beginn einer personalisierten Medizin, die auf präzisen Diagnosen und maßgeschneiderten Therapien basiert. Diese Entwicklung setzt sich fort in der Pharmazie und Orthopädie, wo digitale Zwillinge, beispielsweise bei 𝗧𝗮𝗸𝗲𝗱𝗮 𝗣𝗵𝗮𝗿𝗺𝗮𝗰𝗲𝘂𝘁𝗶𝗰𝗮𝗹𝘀 durch genetisch basierte Medikamentenmodelle und in der Wirbelsäulenrehabilitation durch 3D-basierte Lendenwirbelanalysen, zu präziseren Behandlungsmethoden führen. Darüber hinaus werden in der Ernährungswissenschaft und bei der Behandlung von Diabetes durch Ansätze wie den 𝗜𝗺𝗺𝘂𝗻𝗱𝗶𝗴𝗶𝘁𝗮𝗹𝘇𝘄𝗶𝗹𝗹𝗶𝗻𝗴 und die Anpassung des Insulinbedarfs personalisierte Therapien gefördert, die neue Maßstäbe setzen. Die Zukunft gehört einer Medizin, die uns nicht länger als austauschbare Träger von Symptomen wahrnimmt, sondern als einzigartige Individuen sieht und uns mit maßgeschneiderten Lösungen behandelt. #NextGenMedicineComingSoon

Eine Studie zur Prädiktion von Parodontitisrisiken durch maschinelles Lernen mit nicht-bildbasierten elektronischen Zahnarztakten zeigt, wie Künstliche Intelligenz die Früherkennung revolutionieren kann. Durch die Identifizierung individueller Risikofaktoren ermöglicht das Modell präzise, personalisierte Präventionsstrategien. Dies könnte zu einer signifikanten Reduzierung der klinischen Arbeitsbelastung und entscheidenden Verbesserungen in der Patientenversorgung führen. In einer Zeit, in der datengestützte Entscheidungen im Gesundheitswesen immer wichtiger werden, bietet diese Studie zukunftsweisende Einblicke. Bleiben Sie mit uns auf dem Laufenden und entdecken Sie, wie bei zahnarztzentrum.ch neueste wissenschaftliche Erkenntnisse zur fortlaufenden Verbesserung der Patientenbetreuung beitragen.

Der Schutz von sensiblen PatientInnendaten hat oberste Priorität. Und die Nutzung von KI im medizinischen Bereich wirft ein paar grundlegende Fragen auf: Wie sicher sind unsere Daten wenn KI in der medizinischen Versorgung eingesetzt wird? ➡️ Werden PatientInnendaten sicher verarbeitet? ➡️ Welche Risiken birgt die Nutzung von KI in der Medizin? ➡️ Können gesetzliche Vorgaben wie die DSGVO eingehalten werden? Seien Sie am 28.2.2025 dabei und erfahren Sie wie die derzeitige Situation zum Thema „Datenschutz und Recht“ in der KI“ ist. (.. und sichern sie sich gleich 8 DFP Punkte für Ihre medizinische Fortbildung) In Kooperation mit der STEIRISCHE AKADEMIE FÜR ALLGEMEINMEDIZIN. #digitalemedizin #fortbildung #künstlicheintelligenz #dfp #medizinischefortbildung #künstlicheintelligenzindermedizin #allgemeinmedizin #internist #digitalhealth #kardiologie #radiologie #Dermatologie #diagnosticSee less

Künstliche Intelligenz revolutioniert die Hämatologie und Onkologie durch Fortschritte in der Bilddatenanalyse, der personalisierten Therapie sowie der Medikamentenentwicklung, was die Diagnostik präzisiert und die Behandlung individueller und effizienter macht.

Wissenschaftler der Stanford University haben eine einfache Methode entdeckt, um durch die Haut zu sehen, indem sie den gelben Lebensmittelfarbstoff Tartrazin ("Gelbe Nr. 5") verwenden, der in Doritos vorkommt. Sie massierten eine Lösung mit Tartrazin auf Mäuse, was diese vorübergehend durchsichtig machte. Diese Methode könnte helfen, ohne chirurgischen Eingriff in den Körper zu sehen und hat das Potenzial, den Fortschritt in der medizinischen Bildgebung zu fördern. Weitere Informationen findest du im [Artikel auf deutsch auf Merkur.de](https://lnkd.in/dgTTEec6). https://lnkd.in/dqh75WCP