Select Page

Kl-basierter föderaler Diagnosealgorithmus lernt effizient über Klinikgrenzen hinweg, ohne den Datenschutz zu verletzen.

Ein Algorithmus, entwickelt von Forschenden von Helmholtz Munich, der Technischen Universität München (TUM) und ihres Klinikums rechts der Isar, des Universitätsklinikum Bonn (UKB) und der Universität Bonn ist in der Lage, über verschiedene medizinische Einrichtungen hinweg selbständig zu lernen. Der Clou dabei: Er ist „selbst-lernend“, benötigt also keine umfangreichen, zeitaufwendigen Befunde oder Markierungen von Radiologen in den MRT-Aufnahmen. Dieser föderale Algorithmus wurde an mehr als 1.500 MR-Scans gesunder Studienteilnehmer aus vier Einrichtungen trainiert, ohne dabei den Datenschutz zu verletzen. Mit Hilfe des Algorithmus wurden anschließend mehr als 500 MRT-Aufnahmen von Patienten analysiert, um Krankheiten wie Multiple Sklerose, Gefäßerkrankungen sowie verschiedene Formen von Hirntumoren zu erkennen, die der Algorithmus vorher noch nie gesehen hatte. Das eröffnet neue Möglichkeiten für die Entwicklung effizienter, KI-basierter föderaler Algorithmen, die selbstständig lernen und dabei die Privatsphäre schützen.

? Mehr dazu erfahren

Quelle: Helmholtz Zentrum München

3 Myths Debunked – When Science Creates Knowledge! | Dr Yasemin Yazan

When Science Creates Knowledge!

Unfortunately, there is a lot of false knowledge on the market. Be it because, for example, research results are misinterpreted or false causalities are made, or because they are transferred to other contexts that were not even the subject of the study.

We pick 3 myths and show what science already knows:

- Why Maslow's hierarchy of needs is not a reliable basis for motivation

- Why personality tests are questionable as a basis for personnel decisions

- Why a quota is needed as an effective measure against Unconscious Bias

Data Protection Declaration

Declaration Of Consent

Congratulations - your download is waiting for you in your mailbox!