Für den Menschen Unsichtbares sichtbar machen - 28.08.2025

KI-gestützte Bildgebung erweitert Möglichkeiten in der Chirurgie

Vor allem bei endoskopischen Eingriffen haben Ärztinnen und Ärzte häufig nur eingeschränkte Sicht auf das Operationsfeld. Ein in der Abteilung von Prof. Dr. Lena Maier-Hein am DKFZ in Heidelberg entwickeltes neuartiges Verfahren kombiniert spektrale Bildgebung mit KI-basierter Datenauswertung und erlaubt dadurch nicht nur eine präzise Gewebedifferenzierung, sondern liefert zusätzlich Echtzeit-Informationen über die Organfunktion.

Reagiert das Gehirn nicht mehr richtig auf Insulin, liegt eine Insulinresistenz vor, die das Risiko für Übergewicht, Typ-2-Diabetes und Alzheimer erhöht. Forschende des Deutschen Zentrums für Diabetesforschung haben nun im Blut von Personen ohne Typ-2-Diabetes epigenetische Veränderungen entdeckt, die zeigen, wie gut das Gehirn auf Insulin anspricht. Diese Marker könnten helfen, eine Insulinresistenz im Gehirn mit einem Bluttest zu erkennen.

Das Design von Proteinbindern war lange Zeit eine entmutigende Herausforderung im Bereich der computergestützten Biologie. Forscher haben nun eine Pipeline entwickelt, die das Prinzip der Formkomplementarität nutzt, um ortsspezifische Proteinbinder zu entwerfen, die dann präzise auf ausgewählte Zielstellen optimiert werden. Die Forscher testeten dies an Proteinen, die mit Krebs in Verbindung gebracht werden.

Ein Forschungsteam des HITS und des MPIP hat ein Computermodell entwickelt, das lernt, Proteine mit sehr flexiblen Strukturen zu bauen – sogar mit Mustern, die in natürlichen Proteinen ungewöhnlich sind. Das Modell wurde jetzt auf der International Conference on Machine Learning präsentiert. Es markiert einen Schritt hin zum Ziel, neue Proteine für Anwendungen in der Biotechnologie, in Therapien und in der Umweltforschung zu konstruieren.

KI-gestütze Bilderkennung beschleunigt Identifizierung von Zebrafischmutanten - 16.07.2025

EmbryoNet AI identifiziert selbstständig Entwicklungsstörungen

Die embryonale Entwicklung ist bei komplexen Organismen über Signalwege genau reguliert. Bei Störung dieser Signalwege entstehen charakteristische phänotypische Entwicklungsschäden, die nicht immer leicht zu erkennen sind. Der Entwicklungsbiologe Prof. Dr. Patrick Müller hat mit der Software EmbryoNet an der Universität Konstanz ein Tool entwickelt, mit der sich Entwicklungsstörungen zuverlässig per Bildanalyse identifizieren lassen.

Universität verbucht großartigen Erfolg und wahrt Chance auf erneuten Titel „Exzellenzuniversität“ von 2027 an – Für drei Forschungsbereiche beginnt Suche nach neuen Fördermöglichkeiten

Sensoren für präzise Lebensmittelüberwachung, eigenständige Maschinensteuerung, sensitive Beinprothesen und integrative Softwareplattformen – vier Hochschulen für angewandte Wissenschaften forschen an Technologien, die mit Künstlicher Intelligenz interagieren. Jedes Vorhaben wird von der Carl-Zeiss-Stiftung mit rund einer Million Euro gefördert.

Auf dem Max-Planck-Campus in Büsnau entsteht ein Gebäude mit 7400 m² Forschungsfläche für Robotik und Künstliche Intelligenz. Forschende des Max-Planck-Instituts für Intelligente Systeme (MPI-IS) und der Universität Stuttgart werden ab 2027 dort mit Partnern aus Wissenschaft und Wirtschaft sowie Start-ups zusammenarbeiten.

Neue Emmy Noether-Gruppe unter Leitung von Dr. Julian Wolf, Mitglied der Medizinischen Fakultät der Universität Freiburg und Forschungsgruppenleiter an der Klinik für Augenheilkunde des Universitätsklinikums Freiburg, erforscht die Ursachen der altersabhängigen Makuladegeneration.

Die Hochschule Heilbronn und das Universitätsklinikum Ulm setzen gemeinsam die Verbundprojekte „Virtuelle kieferorthopädische Therapieplanung“ und „KI-Nutzung in der kieferorthopädischen Lehre“ um, bei denen Human-Centered AI Studierende und Lehrende unterstützt. Die Projekte werden durch die Stiftung Innovation in der Hochschullehre gefördert.

Die Helmholtz-Gemeinschaft bündelt ihre Aktivitäten in der Präventionsforschung und hat dafür die „Helmholtz Health Prevention Task Force“ ins Leben gerufen. In einem jetzt veröffentlichten Strategiepapier skizziert das Expertengremium erste Konzepte zur besseren Integration von Prävention in die medizinische Praxis.

KI-Allianz Baden-Württemberg - 08.04.2025

KI in die Fläche bringen

Künstliche Intelligenz birgt Chancen und Risiken. Damit KI-Lösungen Vorteile für Bürgerinnen und Bürger sowie Unternehmen im Land bringen, setzt sich die KI-Allianz Baden-Württemberg für die Vernetzung der KI-Akteure ein. In Zukunft ist auch die Gesundheitsbranche im Fokus der Genossenschaft.

Ein aktueller Artikel von Prof. Dr. Martin Haimerl und Prof. Dr. Christoph Reich der Hochschule Furtwangen zeigt, dass maschinelles Lernen (ML) in der Medizin häufig ohne eine umfassende Risikoabwägung bewertet wird. Die Autoren untersuchten, inwieweit aktuelle wissenschaftliche Arbeiten risikobasierte Metriken in die Bewertung von KI-Modellen für medizinische Geräte einbeziehen.

Künstliche Intelligenz kann für Ärzt:innen bei Diagnosen und Therapieempfehlungen eine wertvolle Unterstützung sein. Um jedoch akzeptiert zu werden, ist Vertrauen in die KI essenziell. Das Projekt Ethyde, eine Kooperation der Universität Hohenheim und des Bayerischen Forschungsinstitut für Digitale Transformation, will eine erklärbare KI entwickeln, die Entscheidungsprozesse offenlegt und die Korrektur fehlerhafter Ausgaben zulässt.

Das Medizintechnikunternehmen KARL STORZ gibt die Akquisition des innovativen Software-Herstellers Innersight Labs Ltd. (ISL) mit Hauptsitz in London bekannt. Neben hochmodernen Endoskopen und integrierten Komplettlösungen für den Operationssaal expandiert KARL STORZ damit weiter im Bereich innovativer Softwarelösungen. Der große Kundenstamm, darunter etliche anerkannte Ärztinnen und Ärzte weltweit, kann sich zukünftig auf 3D-Modelle freuen.

Vicinity Bio: Optimierung der Krebsdiagnostik - 27.11.2024

Umfassende histologische Diagnostik dank hochdimensionaler Bildgebung und Künstlicher Intelligenz

Die mikroskopische Begutachtung von Gewebeproben ist vor allem in der Tumordiagnostik unverzichtbar. Durch neuartige Bildgebungsverfahren in Kombination mit maschinellem Lernen kann das Tübinger Unternehmen Vicinity Bio jetzt aus Schnittpräparaten umfangreiche Datensätze einzelner Zellen erstellen. Dies ermöglicht Unterstützung beim Finden zielgerichteterer Therapien und ein besseres Verständnis von Abläufen und Funktionen in Geweben und Tumoren.

Künstliche Intelligenz kann die Auswertung von medizinischen Bilddaten verbessern. So können auf Deep Learning basierende Algorithmen die Lage und Größe von Tumoren feststellen. Dies ist das Ergebnis von autoPET, eines internationalen Wettbewerbs zur medizinischen Bildanalyse. Forscher vom Karlsruher Institut für Technologie (KIT) erreichten den fünften Platz.

Die reproduzierbare und präzise Herstellung von komplexen Organoid-Modellen zur Simulation von Fehlfunktionen menschlicher Organe steht im Mittelpunkt eines interdisziplinären Forschungsvorhabens an der Universität Heidelberg. Ein Forschungsteam aus den Lebens- und Ingenieurwissenschaften möchte dazu das Engineering molekularer Systeme mit Maschinellem Lernen und automatisierten Herstellungsmethoden verbinden.

Das Projekt RettungsNetz-5G soll die akute medizinische Notfallversorgung mittels 5G-Technologie verbessern. Konkret geht es darum, Diagnostik und erste Therapieschritte an den Einsatzort zu bringen, unter anderem bei Patientinnen und Patienten mit Schlaganfall.

Algorithmen können dabei helfen Tumore zu lokalisieren. Bisher erfassen Radiologinnen und Nuklearmediziner die Größe der sogenannten Tumorläsionen manuell in 2D-Schichtbildern. Dieser Prozess ist sehr zeitintensiv. Ziel der Challenge war es, den Prozess zu automatisieren. Die Studienergebnisse zeigen, dass Algorithmen Potenzial haben, um zukünftig im klinischen Alltag für diese Aufgabe eingesetzt zu werden.

Eine neue Studie zeigt, wann die Tiefe Hirnstimulation die Lebensqualität von Patientinnen und Patienten verbessern kann. Maschinelles Lernen kann dabei helfen, die Erfolgsaussichten der Tiefen Hirnstimulation bei Parkinson vorherzusagen. Anhand der Daten von operierten Patientinnen und Patienten und mithilfe maschinellen Lernens konnten wichtige Faktoren ermittelt werden, die den Therapieerfolg bestimmen.

Ob wir Veranlagungen für bestimmte Krankheiten haben, hängt im hohen Maße von den unzähligen Varianten in unserem Erbgut ab. Doch insbesondere bei Erbgut-Varianten, die in der Bevölkerung nur selten auftreten, ist der Einfluss auf die Ausprägung bestimmter krankhafter Merkmale schwer zu ermitteln. Forschende stellen nun einen auf Deep Learning basierenden Algorithmus vor, der auch die Auswirkungen seltener Erbgut-Varianten vorhersagen kann.

Fünf länder- und institutionenübergreifende Doktorandennetzwerke an der Universität Heidelberg werden im Rahmen der „Marie Skłodowska-Curie Actions“ gefördert. Sie bearbeiten gemeinsam aktuelle wissenschaftliche Themen mit hohem Innovationspotential. An der Ruperto Carola koordiniert wird ein MSCA Doctoral Network zum Thema Künstliche Intelligenz in der Physik, zwei Netzwerke in der Medizin, in den Biowissenschaften und Ingenieurwissenschaften.

Die Wissenschaft hat lange nach Möglichkeiten gesucht, neuronale Netze im Gehirn mit Computern zu simulieren, um zu verstehen, wie sie funktionieren. Mit neuen Erkenntnissen über die neuronalen Schaltpläne im Gehirn der Fruchtfliege und mit Hilfe von KI gelang es nun Forschenden, ein neuronales Netz zu knüpfen. Dieses sagt die Aktivität einzelner Neuronen vorher, ohne dass Messungen an einem lebenden Gehirn vorgenommen werden müssen.

Freiburger Forschende haben wichtige Fortschritte im Verständnis der immunologischen Veränderungen im Gehirn von COVID-19-Genesenen gemacht. Im Gehirn von Personen, die eine SARS-CoV-2-Infektion überstanden haben, fanden sie Anzeichen einer anhaltenden Aktivierung des angeborenen Immunsystems. Diese Erkenntnisse könnten entscheidend für die Entwicklung neuer Therapien für Patienten mit langfristigen neurologischen Symptomen nach COVID-19 sein.