KI im Gesundheitswesen GE HealthCare und AWS: Multimodale KI-Modelle verkürzen Entwicklungszyklen

Anbieter zum Thema

GE Healthcare

Micro-Epsilon Messtechnik GmbH & Co. KG

dataTec AG

Schneider Electric GmbH

Multimodale Grundmodelle bieten die Möglichkeit, unterschiedliche Daten zu integrieren und zu analysieren. Im Rahmen einer Kooperation zwischen GE HealthCare und AWS sollen die Modelle helfen, die medizinische Diagnostik und die Patientenversorgung zu verbessern.

In den nächsten Jahren soll die medizinische Diagnostik und Patientenversorgung mit künstlicher Intelligenz verbessert werden. GE Healthcare nutzt AWS als Cloud-Anbieter für seine Dienste im Gesundheitswesen und für generative KI. Es sollen viele verschiedene Basismodelle entwickelt und eingesetzt werden. GE will mit der Kooperation neue Entwicklungen schneller vorantreiben und dafür sorgen, dass Diagnosen und Screenings genauer werden. Auch die Abläufe im Gesundheitswesen sollen mit besseren KI-Modellen verbessert werden.

Peter Arduini, Präsident und CEO von GE HealthCare. „Diese neue Zusammenarbeit mit AWS ermöglicht es uns, KI zu nutzen, um die Entwicklung medizinischer Technologien zu beschleunigen. Wir erwarten uns davon, klinische Arbeitsabläufe zu beschleunigen und die Bereitstellung von Pflege neu zu definieren.“

Sicherer Zugang zu Basismodellen

GE Healthcare will Amazon Bedrock nutzen. So können maßgeschneiderte KI-Anwendungen entwickelt und eingesetzt werden. Bedrock bietet sicheren Zugang zu guten Modellen, die bei GE HealthCare für die Entwicklung von KI-Anwendungen genutzt werden. Damit sollen die Arbeit und der Umgang mit Patienten verbessert werden. Basismodelle sind umfangreiche, vortrainierte KI-Modelle. Sie sind die Basis für viele verschiedene Anwendungen und Aufgaben.

„Mit AWS plant GE HealthCare, die Cloud zu nutzen, um eine individuellere, intelligentere und effizientere Pflege zu bieten“, sagte Matt Garman, CEO von AWS. Damit stellt AWS sicher, dass GE HealthCare Zugang zu aktuellen Basismodellen bekommt, um transformative klinische Basismodelle und Anwendungen zu entwickeln.

Klinische Entwicklungszyklen auf Monate senken

GE HealthCare plant, interne Entwickler mit Amazon Q Developer auszustatten. Dabei handelt es sich um einen generativen KI-gestützten Assistenten, der die Softwareentwicklung beschleunigen soll. Amazon Q Business soll als Schnittstelle zwischen multimodalen klinischen und betrieblichen Daten dienen und die kognitive Belastung von Ärzten senken soll. Gleichzeitig soll die personalisierte Pflege wieder steigen. Entwicklungszyklen für klinische Anwendungen sollen von Jahren auf Monate gesenkt werden. Dr. Taha Kass-Hout, Global Chief Science and Technology Officer bei GE HealthCare, sieht in der Kombination von generativer KI und Fachwissen eine neue Ära im Gesundheitswesen.

Zusätzlich plant GE HealthCare, seine Anwendungssuite mit eigenen Basismodellen, entwickelt auf Amazon SageMaker, zu modernisieren. Diese Modelle sollen die Entwicklung und Bereitstellung webbasierter medizinischer Bildgebungsanwendungen beschleunigen und die Effizienz und Interoperabilität steigern. Durch die Integration generativer KI-gestützter Anwendungen in AWS HealthLake und AWS HealthImaging können verschiedene Arten von Patientendaten schnell und sicher analysiert werden, was zu einer höheren klinischen Effizienz und einer besseren Patientenversorgung führt.

Erste Erfolge mit multimodalen Grundmodellen

Dr. Keith Dreyer von Mass General Brigham betonte das Potenzial generativer KI, das Gesundheitswesen zu verbessern. Die Zusammenarbeit zwischen GE HealthCare und AWS soll neue Tools und Anwendungen hervorbringen, mit denen sich neue Technologien entwickeln und nutzen lassen sowie schlussendlich die Arbeit im Gesundheitswesen zu beschleunigen.

Mit dieser Partnerschaft streben GE HealthCare und AWS an, zu entwickeln, die eine Vielzahl unstrukturierter medizinischer Daten analysieren und präzise, anpassbare Erkenntnisse liefern. GE HealthCare investiert bereits seit Jahren in KI und führt die Liste der KI-gestützten Gerätezulassungen der US-amerikanischen FDA an.

Ein aktuelles Projekt zeigt, dass fortgeschrittene Werkzeuge zur Segmentierung von Ultraschallbildern in der Lage sind, anatomische Strukturen mit einer Genauigkeit von über 90 Prozent zu isolieren und zu identifizieren, was die Fähigkeit der Modelle zur Verallgemeinerung und Anwendung auf verschiedene Anwendungsfälle demonstriert. (heh)

KI-Chatbots in der Medizin

Sind Large Language Models für den klinischen Alltag geeignet?

Diagnostische Bildgebung

Künstliche Intelligenz soll das Gehirn untersuchen

(ID:50120033)