AI für die medizinische Diagnostik

Die Volumina medizinischer Bildgebung steigen schneller, als Radiologen folgen können. Ein Radiologe, der Hunderte Scans pro Schicht befundet, arbeitet unter Ermüdung und Zeitdruck, was die diagnostische Genauigkeit beeinträchtigt. AI-Diagnosetools fungieren als Zweitbefunder — markieren Befunde, die genauere Aufmerksamkeit verdienen, und ermöglichen es Radiologen, ihre Leseliste nach klinischer Dringlichkeit zu priorisieren.

Was wir entwickeln

Wir entwickeln Deep-Learning-Modelle, die auf gelabelten radiologischen und pathologischen Datensätzen trainiert sind, die spezifisch für das klinische Ziel sind — Befunde auf Röntgen-Thoraxaufnahmen, Mammographie-Screening, CT-Lungenknotenerkennung, Pathologieschnittklassifikation. Die Modelle werden anhand klinischer Referenzstandards validiert und in PACS-Systeme integriert, sodass Befunde im bestehenden Radiologen-Workflow erscheinen und nicht in einer separaten Anwendung. Das Konfidenz-Scoring ermöglicht es Radiologen, ihre Aufmerksamkeit zu kalibrieren: hochkonfidente Negativbefunde können zügig bearbeitet werden; markierte Befunde erhalten detaillierte Aufmerksamkeit.