Erkennen von Hautkrebs

Im Jahr 2018 lieferten neuronale Netze mehr als 100.000 Bilder von harmlosen Muttermalen und lebensbedrohlichen Melanomen und zeigten dieselben Fotos später professionellen Dermatologen, die versuchten, anhand der Bilder Krebs zu erkennen. Die Maschine schnitt besser ab als die Experten. Sie erkannte bösartige Wucherungen in 95 % der Fälle richtig, während die Menschen nur zu 86 % richtig lagen.

Erkennung von fötalen Anomalien

Einige britische Krankenhäuser nutzen eine neue Methode, um Föten auf Anomalien zu untersuchen, die mit anderen Mitteln nur schwer oder gar nicht zu erkennen sind. Das System basiert auf künstlicher Intelligenz und verfügt über mehr als 350.000 Bilder von Föten mit Anomalien. Das System heißt ScanNav und ist in der Lage, dem Arzt viele nützliche Informationen über fötale Anomalien zu liefern, die auf den Daten anderer Patienten in der Datenbank basieren.

Diagnose Schlaganfall

Moderne Statistiken zeigen, dass Ärzte bei der Analyse von CT-Scans häufig Fehler machen, was zu einer falschen Behandlung führt. Das neue MedyMatch-Technologieprojekt israelischer Entwickler soll helfen, Schlaganfälle richtig zu diagnostizieren. Das System vergleicht die Gehirnscans eines Patienten mit den Scans von Hunderttausenden anderer Menschen, um Anomalien zu erkennen und zu bestätigen.

Erkennung von Nierenschäden

Ein akutes Nierenversagen ist schwer rechtzeitig zu erkennen, und wenn es doch auftritt, kann sich der Zustand der Patienten schnell verschlechtern und lebensbedrohlich werden. Im Jahr 2019 hat DeepMind Health ein Instrument der künstlichen Intelligenz entwickelt, das eine akute Nierenschädigung 48 Stunden vor einer Krise vorhersagen kann. Das System der künstlichen Intelligenz war in der Lage, mehr als 90 Prozent der Fälle dieser Erkrankung 48 Stunden früher zu erkennen als herkömmliche Behandlungen.

Diagnose des Infarkts

Verily hat eine neue Methode zur Erkennung von Herz-Kreislauf-Erkrankungen anhand von Netzhautbildern entwickelt. Verily nutzte Daten von 300.000 Menschen, um seinen Algorithmus zu trainieren. Wenn wir ihn nun mit den genauesten medizinischen Algorithmen vergleichen, die die Wahrscheinlichkeit eines Herzinfarkts in den nächsten 5 Jahren vorhersagen und eine Genauigkeit von 70 % haben, sehen wir, dass Verily zu 72 % richtig liegt, und das ohne einen Bluttest oder einen Besuch beim Arzt.