Tmall stellt das KI-Modell MAOSS zur Früherkennung von Fettlebererkrankungen vor
Die Alibaba DAMO Academy hat die gemeinsame Entwicklung eines KI-Modells zur Früherkennung von Fettleber namens MAOSS in Zusammenarbeit mit mehreren Einrichtungen bekannt gegeben, darunter das Shengjing-Krankenhaus der China Medical University und das Gulou-Krankenhaus der Universität Nanjing. Die Ergebnisse der Studie wurden im Februar dieses Jahres in der renommierten internationalen Fachzeitschrift „Nature Communications“ veröffentlicht.
Über 30 % der Bevölkerung sind von Fettlebererkrankungen betroffen. Die frühen Symptome sind oft mild und leicht zu übersehen, sodass die Erkrankung zu Leberfibrose oder Leberzirrhose fortschreiten kann. Herkömmliche Screening-Methoden wie B-Ultraschall weisen eine begrenzte Sensitivität auf, während spezialisiertere Untersuchungen kostspielig sind. Dies führt in klinischen Einrichtungen häufig zu Fehldiagnosen bei Hochrisikopatienten.

Wichtige Durchbrüche und Vorteile des MAOSS-Modells:
Tiefgehende Analyse von CT-Scans ohne Kontrastmittel: Die DAMO Academy setzte die Technologie „CT ohne Kontrastmittel + KI“ ein, wodurch die KI automatisch hochdimensionale Merkmale wie Lebertextur und -dichte extrahieren konnte. Damit ist es erstmals möglich, das Stadium von Lebersteatose und -fibrose gleichzeitig anhand eines einfachen Standard-CT-Scans ohne Kontrastmittel zu bestimmen.
Diagnosegenauigkeit übertrifft die von Ärzten: In multizentrischen Validierungsstudien erreichte das MAOSS-Modell eine Fläche unter der Kurve (AUC) von 0,904–0,917 für die Stadieneinteilung der Lebersteatose, was deutlich über dem durchschnittlichen Radiologen-Score von 0,709 liegt.
Verdoppelte Erkennungsrate bei Hochrisikofällen: Für das kritische Zeitfenster zur Prävention einer Zirrhose (Fibrose im Stadium 2) identifizierte das Modell 52,4 % der Hochrisikopatienten, verglichen mit lediglich 16,6 %, die durch herkömmliche klinische Verfahren erkannt wurden – eine mehr als doppelte Erkennungsrate.
Frühwarnung vor Zirrhose-Risiko: Follow-up-Daten zeigen, dass Patienten, die von MAOSS als Hochrisikopatienten eingestuft wurden, eine Wahrscheinlichkeit von 45,5 % hatten, innerhalb von zwei Jahren eine Zirrhose zu entwickeln – eine Rate, die weit über der der Niedrigrisikogruppe liegt.
Experten der DAMO Academy stellten fest, dass das Modell vorhandene CT-Daten ohne Kontrastmittel aus routinemäßigen körperlichen Untersuchungen und ambulanten Besuchen nutzen kann. Dies erleichtert die „Front-End-Prävention“ im Management chronischer Lebererkrankungen, ohne dass den Patienten zusätzliche Kosten entstehen. In Zukunft könnten Krankenhäuser der Primärversorgung diese KI-Technologie nutzen, um bei standardmäßigen Gesundheitsuntersuchungen Hochrisikowarnungen auszusprechen, was eine frühere Erkennung und eine mögliche Umkehrung des Krankheitsverlaufs ermöglicht.
Verwandter Artikel
DeepMind-CEO Hassabis: Ich schlafe sechs Stunden pro Tag und fühle mich normalerweise gegen 1 Uhr nachts energiegeladen.
Fortune hat kürzlich ein Interview mit Demis Hassabis, dem CEO von Google DeepMind, veröffentlicht, das seinen unkonventionellen Ansatz zu Erholung und Produktivität offenbart. Hassabis gab bekannt, dass er sehr wenig schläft und seine wachen Stunden
OpenAI und Anthropic kämpfen trotz Umsatzrückgängen um Marktanteile
Obwohl jüngste Berichte darauf hindeuten, dass OpenAI seine Umsatzziele verfehlt hat, was an diesem Dienstag Druck auf die Technologieaktien ausübte, zeigen sich private Investoren in KI-Labore weiter
Einhaltung der Vorschriften für autonome Fahrzeuge in Kalifornien: Eine neue Ära von Bußgeldern, Geofences und 1 Million Meilen
Guident betreibt einen AuveTech-Shuttle in Südflorida und verwaltet mithilfe seiner Fernüberwachungstechnologie eine vier Meilen lange Strecke in West Palm Beach sowie eine eine Meile lange Strecke in
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
Die Alibaba DAMO Academy hat die gemeinsame Entwicklung eines KI-Modells zur Früherkennung von Fettleber namens MAOSS in Zusammenarbeit mit mehreren Einrichtungen bekannt gegeben, darunter das Shengjing-Krankenhaus der China Medical University und das Gulou-Krankenhaus der Universität Nanjing. Die Ergebnisse der Studie wurden im Februar dieses Jahres in der renommierten internationalen Fachzeitschrift „Nature Communications“ veröffentlicht.
Über 30 % der Bevölkerung sind von Fettlebererkrankungen betroffen. Die frühen Symptome sind oft mild und leicht zu übersehen, sodass die Erkrankung zu Leberfibrose oder Leberzirrhose fortschreiten kann. Herkömmliche Screening-Methoden wie B-Ultraschall weisen eine begrenzte Sensitivität auf, während spezialisiertere Untersuchungen kostspielig sind. Dies führt in klinischen Einrichtungen häufig zu Fehldiagnosen bei Hochrisikopatienten.

Wichtige Durchbrüche und Vorteile des MAOSS-Modells:
Tiefgehende Analyse von CT-Scans ohne Kontrastmittel: Die DAMO Academy setzte die Technologie „CT ohne Kontrastmittel + KI“ ein, wodurch die KI automatisch hochdimensionale Merkmale wie Lebertextur und -dichte extrahieren konnte. Damit ist es erstmals möglich, das Stadium von Lebersteatose und -fibrose gleichzeitig anhand eines einfachen Standard-CT-Scans ohne Kontrastmittel zu bestimmen.
Diagnosegenauigkeit übertrifft die von Ärzten: In multizentrischen Validierungsstudien erreichte das MAOSS-Modell eine Fläche unter der Kurve (AUC) von 0,904–0,917 für die Stadieneinteilung der Lebersteatose, was deutlich über dem durchschnittlichen Radiologen-Score von 0,709 liegt.
Verdoppelte Erkennungsrate bei Hochrisikofällen: Für das kritische Zeitfenster zur Prävention einer Zirrhose (Fibrose im Stadium 2) identifizierte das Modell 52,4 % der Hochrisikopatienten, verglichen mit lediglich 16,6 %, die durch herkömmliche klinische Verfahren erkannt wurden – eine mehr als doppelte Erkennungsrate.
Frühwarnung vor Zirrhose-Risiko: Follow-up-Daten zeigen, dass Patienten, die von MAOSS als Hochrisikopatienten eingestuft wurden, eine Wahrscheinlichkeit von 45,5 % hatten, innerhalb von zwei Jahren eine Zirrhose zu entwickeln – eine Rate, die weit über der der Niedrigrisikogruppe liegt.
Experten der DAMO Academy stellten fest, dass das Modell vorhandene CT-Daten ohne Kontrastmittel aus routinemäßigen körperlichen Untersuchungen und ambulanten Besuchen nutzen kann. Dies erleichtert die „Front-End-Prävention“ im Management chronischer Lebererkrankungen, ohne dass den Patienten zusätzliche Kosten entstehen. In Zukunft könnten Krankenhäuser der Primärversorgung diese KI-Technologie nutzen, um bei standardmäßigen Gesundheitsuntersuchungen Hochrisikowarnungen auszusprechen, was eine frühere Erkennung und eine mögliche Umkehrung des Krankheitsverlaufs ermöglicht.
DeepMind-CEO Hassabis: Ich schlafe sechs Stunden pro Tag und fühle mich normalerweise gegen 1 Uhr nachts energiegeladen.
Fortune hat kürzlich ein Interview mit Demis Hassabis, dem CEO von Google DeepMind, veröffentlicht, das seinen unkonventionellen Ansatz zu Erholung und Produktivität offenbart. Hassabis gab bekannt, dass er sehr wenig schläft und seine wachen Stunden
OpenAI und Anthropic kämpfen trotz Umsatzrückgängen um Marktanteile
Obwohl jüngste Berichte darauf hindeuten, dass OpenAI seine Umsatzziele verfehlt hat, was an diesem Dienstag Druck auf die Technologieaktien ausübte, zeigen sich private Investoren in KI-Labore weiter





Heim






