Hospital AIBildgebung / Radiologie
16 Einträge gefunden – klicken Sie auf eine Success Story, um Details zu sehen.
Zebra Medical Vision – KI‑Plattform zur frühzeitigen Erkennung chronischer Erkrankungen in CT‑ und Röntgenbildern
Radiologische Abteilungen stehen vor der Herausforderung, in kurzer Zeit große Mengen an Bilddaten auszuwerten und dabei subtile, oft übersehene Hinweise auf chronische Erkrankungen zu erkennen. Viele dieser Erkrankungen — etwa Osteoporose, koronare Herzkrankheit oder Leberverfettung — bleiben lange unentdeckt, weil sie bei Routine‑CTs nicht aktiv gesucht werden. Gleichzeitig steigt der Druck durch Fachkräftemangel, steigende Fallzahlen und die Notwendigkeit, Risikopatienten frühzeitig zu identifizieren. Ohne automatisierte Unterstützung gehen wertvolle Chancen zur Prävention verloren. Das führt zu später Diagnostik, höheren Folgekosten und vermeidbaren Komplikationen.
PIUR Imaging Ultraschall analysieren
Die Auswertung von Ultraschallbildern ist stark untersucherabhängig, zeitintensiv und in ihrer Reproduzierbarkeit begrenzt, was insbesondere bei Verlaufsbeurteilungen und quantitativen Messungen zu Variabilität führt. PIUR Imaging setzt KI-gestützte Bildanalyse ein, um standardisierte, objektivierbare Auswertungen direkt im radiologischen und klinischen Workflow bereitzustellen; der primäre Use Case liegt in der automatisierten Quantifizierung und Verlaufskontrolle bei muskuloskelettalen, vaskulären und onkologischen Fragestellungen.
DeepMind Health / MedGemma Medizinische Diagnostik unterstützen
DeepMind Health bzw. MedGemma ist ein klinisches KI-System von Google DeepMind zur KI-gestützten medizinischen Bildanalyse und klinischen Entscheidungsunterstützung. Die Lösung kombiniert Deep Learning und Transformer-Modelle zur frühzeitigen Erkennung von Erkrankungen wie Augenleiden und Krebs und unterstützt Ärzt:innen bei präziseren, schnelleren Diagnosen.
Ultromics EchoGo HF 2.0 – KI für präzise Herzinsuffizienzdiagnostik AI-gestützte Ultraschall-Bilderfassung (Echokardiographie)
Die Diagnostik von Herzinsuffizienzformen wie HFpEF ist komplex, zeitaufwendig und anfällig für subjektive Interpretationen. Echokardiographische Parameter sind oft schwer reproduzierbar und variieren je nach Untersucher. In vielen Kliniken fehlt die Zeit für eine strukturierte Auswertung aller relevanten Messwerte. Dies führt zu verzögerten oder fehlerhaften Diagnosen – insbesondere bei subtilen Funktionsstörungen. Die Folge sind unnötige Folgeuntersuchungen, ineffiziente Therapieentscheidungen und eine Belastung des klinischen Workflows.
DeepMind & Moorfields – KI für Netzhautdiagnostik auf OCT-Basis
Die Zahl der Patienten mit Netzhauterkrankungen steigt, während die Auswertung von OCT-Scans zeitintensiv und komplex bleibt. Kliniker müssen aus Hunderten von Schnittbildern pathologische Muster erkennen – ein Prozess, der Erfahrung und viel Zeit erfordert. Besonders bei dringenden Fällen wie Makuladegeneration oder diabetischer Retinopathie ist eine schnelle Triage entscheidend. Doch die manuelle Befundung ist fehleranfällig und nicht skalierbar. Dadurch entstehen Wartezeiten, Überlastung und potenziell verzögerte Therapien. Deep-Learning-Algorithmen analysieren OCT- und Fundusbilder; automatische Erkennung von Netzhauterkrankungen; priorisierte Befundlisten; Entscheidungshilfen für Therapieempfehlungen
Nuance Precision Imaging – KI‑gestützte Radiologieplattform für Akut‑ und chronische Erkrankungen
Radiologische Abteilungen müssen steigende Bildvolumina bewältigen, während chronische Erkrankungen wie COPD, Herzinsuffizienz, Tumorerkrankungen oder degenerative Wirbelsäulenleiden immer häufiger kontinuierliche Bildgebung erfordern. Die manuelle Auswertung ist zeitintensiv, variabel und erschwert eine konsistente Verlaufsbeurteilung. Besonders bei chronischen Erkrankungen ist eine präzise, reproduzierbare Quantifizierung entscheidend, um Therapieentscheidungen zu steuern. Gleichzeitig sind IT‑ und Datenschutzanforderungen hoch, was die Einführung neuer Tools verlangsamt. Dadurch entstehen Engpässe, ineffiziente Workflows und potenziell verzögerte Diagnosen.
RapidAI – KI‑gestützte Bildanalyse für Schlaganfall‑ und Notfalldiagnostik
Vor der Einführung von RapidAI mussten Radiolog*innen CT‑ und MRT‑Bilder vollständig manuell analysieren, was bei hoher Fallzahl zu Verzögerungen und variabler Befundqualität führte. Besonders in der Schlaganfallversorgung zählt jede Minute, doch manuelle Workflows erschweren schnelle Entscheidungen. Kritische Befunde können übersehen oder zu spät erkannt werden, wenn mehrere Untersuchungen parallel anfallen. Zudem ist die Priorisierung von Notfällen ohne automatisierte Unterstützung schwierig. Insgesamt führt dies zu längeren Reaktionszeiten, höherem Stress im Team und potenziell schlechteren klinischen Outcomes.
CT-Befunde priorisieren - AI-Rad Companion Chest CT von Siemens Healthineers
Der AI-Rad Companion Chest CT von Siemens Healthineers unterstützt Radiologen bei der Auswertung von Thorax-CT-Untersuchungen. Die Lösung erkennt automatisch pathologische Muster und hilft bei der Priorisierung relevanter Befunde.
KI-unterstützte Ultraschallanalytik, Radiologie
PIUR tUS Infinity ist eine KI-unterstützte tomographische 3D-Ultraschalllösung, die herkömmliche 2D-Ultraschallgeräte in ein 3D-Imaging-System verwandelt. Kernfunktionen: Verwandelt jeden Standard-Ultraschall in ein 3D-Bildgebungssystem mit vollständigem Volumen-Datensatz statt einzelner Schnitte. KI-gestützte Automatisierung von Messungen und Volumenberechnungen, was den Bedienereinfluss und Variabilität reduziert. Erzeugt automatisch Berichte inkl. standardisierter Klassifikationen, z. B. ACR-TIRADS für Schilddrüsenknoten. Integrierbar mit PACS zur einfachen Archivierung und Review-Integration. 👉 Das Ziel: schnellere, konsistentere und reproduzierbare Diagnostik bei Ultraschall-untersuchungen.
Radiologische Auffälligkeiten erkennen - Aidoc Clinical AI Platform
Krankenhäuser stehen vor der Herausforderung, akute radiologische Auffälligkeiten wie Schlaganfälle oder Lungenembolien schnell zu erkennen, um die Behandlung rechtzeitig einzuleiten. Die Aidoc Clinical AI Platform nutzt Deep Learning zur automatisierten Analyse von CT- und Röntgenbildern und priorisiert kritische Fälle im Workflow, wodurch die Erkennungszeit erheblich reduziert wird.
Echtzeit-KI-Analyse von CT- und Röntgenbildern für Notfalldiagnostik - Aidoc Radiology AI Suite
Implementierung in 13 US-Krankenhäusern (University Hospitals) zur Erkennung von Schlaganfällen & Lungenembolien Der Einsatz von Künstlicher Intelligenz in der Radiologie zielt insbesondere in der Notfalldiagnostik darauf ab, zeitkritische Befunde schneller zu erkennen und Behandlungsprozesse zu beschleunigen. Moderne KI-Systeme analysieren Bilddaten automatisiert und unterstützen Radiologinnen und Radiologen bei der Priorisierung lebensbedrohlicher Fälle. Besonders bei Erkrankungen wie Schlaganfällen oder Lungenembolien kann eine frühere Erkennung entscheidend für das klinische Outcome sein. KI fungiert dabei nicht als Ersatz, sondern als Entscheidungsunterstützung im bestehenden klinischen Workflow. Ein etabliertes Beispiel für diesen Ansatz ist die radiologische KI-Plattform von Aidoc.
KI‑Bildanalyse einführen - Transcend Plus‑Plattform, Philips
Philips rollte die Transcend Plus‑Plattform aus, um KI‑gestützte Bildverbesserung und Automatisierung in kardiologischen Ultraschall‑Workflows zu etablieren und so Diagnosezeiten zu verkürzen.
Medizinische Bildanalyse und Triage beschleunigen- Aidoc aiOS mit CARE1
Aidoc aiOS mit CARE1 ist eine cloudbasierte KI‑Plattform zur Analyse von CT‑ und MRT‑Scans, die Radiologen hilft, kritische Fälle zu priorisieren und schnellere Entscheidungen zu treffen. Das CARE1‑Modul konnte die Zeit bis zur Diagnose lebensbedrohlicher Befunde insbesondere in klinischen Szenarien deutlich reduzieren.
KI-Herzbildanalyse für Herzinsuffizienzdiagnostik
Heart Failure 2.0 ist eine KI-gestützte Software zur Analyse echokardiographischer Daten mit dem Ziel, Herzinsuffizienz mit erhaltener Ejektionsfraktion (HFpEF) frühzeitig zu erkennen und objektiv zu bewerten.
Kontinuierliches Triaging kritischer Befunde (z. B. Schlaganfall, Lungenembolie)
Die Lösung Aidoc Always-On AI Medical Imaging Triaging des Anbieters Aidoc adressiert ein zentrales Problem der Notfallradiologie: die zeitkritische Erkennung lebensbedrohlicher Befunde in einer hohen Anzahl von CT-Untersuchungen. Ziel ist es, kritische Pathologien wie intrakranielle Blutungen oder Lungenembolien automatisch und kontinuierlich zu identifizieren, noch bevor ein Radiologe den Fall aktiv öffnet. Die KI läuft dauerhaft im Hintergrund („always-on“) und priorisiert auffällige Untersuchungen in der Worklist. Dadurch wird die Zeit bis zur klinischen Reaktion verkürzt, ohne den bestehenden Workflow zu verändern. Ein früher Referenzanwender dieser Technologie war das Montefiore Nyack Hospital.
Remote-Überwachung und Steuerung von bildgebenden Geräten
RadNet führte DeepHealth’s TechLive™ ein, um MRT‑, CT‑, PET‑/CT‑ und Ultraschallgeräte zentral zu steuern und so Wartezeiten und Schließzeiten nachhaltig zu reduzieren.