News & Events

CAIM in den Medien

News

Melden Sie sich hier an bei Interesse an CAIM Updates. // CAIM Updates Archiv

Fünf CAIM Fellows ausgewählt (21.05.2024)

CAIM fördert junge Forschende, um die Integration von KI ins Gesundheitswesen voranzubringen. Aus 19 eingegangenen Bewerbungen für die CAIM Fellowships wurden fünf vielversprechende Projekte in einem mehrstufigen Verfahren ausgewählt, das eine externe und interne Prüfung und eine Bewertung unter klinischen und technologischen Gesichtspunkten umfasste. Die Projekte aus der Anästhesie, Augenheilkunde, Kardiologie und Onkologie erhalten jeweils bis zu 100'000 CHF über die nächsten zwei Jahre.

Interpretierbares ML System zur Darmkrebs-Diagnose (05.03.2024)

Zusammen mit Ingenieuren und Klinikern aus Portugal hat die Gruppe Digitale Pathologie des Instituts für Gewebemedizin und Pathologie der Universität Bern ein skalierbares Deep Learning System entwickelt, um Darmkrebs aus pathologischen Slides zu diagnostizieren. Das System lernt von schwachen Labels, nutzt eine kleine Teilmenge vollständig annotierter Proben, und der Prototyp umfasst interpretierbare Vorhersagen und aktives Lernen. Es wurde mit einem der größten Datensätze für kolorektale Proben entwickelt und getestet und zeigte eine hohe bis sehr hohe Genauigkeit.

MLP-Mixer bei der Segmentierung von Lungenbildern (07.02.2024)

Das AI in Health and Nutrition Lab am ARTORG Zentrum hat ein System zur computergestützten Diagnose (CAD) von Lungenfibrose getestet, das MLP-Mixer (Multi-Layer-Perceptron-Mixer) zur Segmentierung der Lungen- und Atemwegsanatomie einsetzt. Zusätzlich identifiziert das System in einem zweiten Schritt Muster idiopathischer Lungenkrankheiten. Derzeit zeigt die MLP-Mixer-Segmentierung eine mit dem nnU-Net vergleichbare Leistung bei CT-Bildern der Brust.

Pfizer-Preis für KI-basierte Koma-Prognose (25.01.2024)

Florence Aellen, Athina Tzovara und ihre Kolleg*innen der Cognitive Computational Neuroscience, Universität Bern und Inselspital, wurden mit einem der begehrten Pfizer-Forschungspreise in Neurowissenschaften und Neurologie ausgezeichnet. An Stelle des traditionellen Ansatzes zur Bestimmung der Prognose bei Koma, bei dem ein Prozentsatz der Patienten unklar beurteilt wird, verwendeten sie Deep-Learning-Algorithmen, welche die Reaktionen von Komapatient*innen auf auditive Reize im EEG angewandt wurden, um die Integrität der neuronalen Funktionen im Koma zu bewerten und positive prädiktive Marker zu entwickeln.

Aktives Lernen zur Klassifizierung von Multi-Label-Röntgenbildern (11.01.2024)

In medizinischen Bilddatensätzen mit begrenzten Labels können aktive Lernansätze die Kosten für Annotationen senken und die Leistung computergestützter Diagnosesysteme steigern. Basierend auf früheren Ergebnissen bei denen Interpretierbarkeitsinformationen als induktiver Bias und zur Auswahl informativer Stichproben beim aktiven Lernen verwendet wurden, hat das Medical Image Analysis Lab nun einen neuen graphenbasierten Transformator zur Datenerweiterung für die Klassifizierung von Multi-Label-Röntgenbildern entwickelt.

Nutzung von Salienzmerkmalen für MRI (26.10.2023)

https://doi.org/10.1016/j.cmpb.2023.107867

Die Einführung des Lernens von Salienzmerkmalen für Multisequenz-MRTs könnte die Segmentierungsqualität von Deep-Learning-Systemen verbessern. Dies ist das Ergebnis einer aktuellen Studie des Medical Image Analysis Lab in Zusammenarbeit mit dem Support Center for Advanced Neuroimaging (SCAN) und der Universitätsklinik für Radioonkologie des Inselspitals Bern.

Personalisierte, spitalübergreifende Auswertung von Laborwerten (18.10.2023)

Laborergebnisse werden von Ärzt:innen anhand von Referenzintervallen (RIs) genutzt, um gesunde oder pathologische Befunde einfach zu unterscheiden. Mithilfe von föderiertem Lernen konnten Forschende des BioRef-Konsortiums der Universitätsspitäler Bern (Inselspital), Lausanne (CHUV), des Universitäts-Kinderspitals Zürich und der Schweizer Paraplegiker-Forschung in Zusammenarbeit mit Tune Insight und BioMedIT einen multizentrischen Governance- und IT-Rahmen schaffen, um aus Routinelabordaten patientengruppenspezifische RIs zu berechnen. Die BioRef TI4Health-Infrastruktur ist die erste ihrer Art, bei der Patientenrohdaten vor Ort beim jeweiligen Spital verbleiben und Ärzt:innen und Forschende dennoch präzise RIs, in Echtzeit, datenschutzgerecht und reproduzierbar definieren können. Dieser Ansatz fördert die Präzisionsmedizin und erlaubt gleichzeitig ein Maximum an Sicherheit der Patientendaten.

Ernährungscheck mit einem einzigen Bild (04.10.2023)

In Zusammenarbeit mit der Schule für Gesundheitsberufe der Berner Fachhochschule hat das AI in Health and Nutrition Labor ein einfach zu bedienendes System zur automatisierten Nährwertbestimmung via Smartphone entwickelt, das die Nährstoffzusammensetzung innerhalb der goFOOD(TM)-Anwendung mit nur einer Bildeingabe ausgibt. In einer retrospektiven Studie unter realen Bedingungen reduzierte das neue System die Belastung der Nutzer und zeigte vielversprechende Ergebnisse.

Mehrklassiges AI-Modell bewertet Schweregrad von Covid (29.09.2023)

Zur Erstbeurteilung von Covid19-Patient:innen anhand von Lungen-CT-Scans haben das Medical Image Analysis Labor der Universität Bern und die Radiologie des Inselspitals ein zweistufiges Mehrklassenmodell für Lungenläsionen entwickelt, das für die Klassifizierung des Krankheitsschweregrads auf der Grundlage der klinischen Progressionsskala der WHO trainiert wurde. Die Leistung des Modells übertraf diejenige eines Einklassenmodells sowie die Beurteilung der Radiolog:innen.

KI-unterstützte Hirntumor-Messungen (19.09.2023)

Die automatische Tumorsegmentierung bei Glioblastom ist vielversprechend. Doch über die Genauigkeit der automatischen Messungen zur Beurteilung des Ansprechens auf die Behandlung im Langzeitverlauf ist nur wenig bekannt. Das Labor für medizinische Bildanalyse MIA am ARTORG Center verglich die Beurteilungskonsistenz von zwei KI-gestützten Tumorsegmentierungswerkzeugen mit den Bewertungen von Expert:innen im Zeitverlauf und stellte fest, dass Verbesserungsbedarf besteht.

Machine Learning hilft nur bedingt zur Subklassifizierung entzündlicher Darmerkrankungen (13.09.2023)

Das Inselspital und das ARTORG Center der Universität Bern haben einen überwachten und nicht überwachten maschinellen Lernansatz getestet, der Antikörper in Laborproben auswertet, um Morbus Crohn (CD) und Colitis ulcerosa (UC) als Subtypen entzündlicher Darmerkrankungen (IBD) zu unterscheiden. Der Ansatz zeigte eine gute Sensitivität bei der korrekten Zuordnung von CD und UC, konnte aber aufgrund mangelnder Spezifizität der untersuchten Marker nicht bei der feineren Unterscheidung von Subtypen wie IBD-unklassifiziert helfen.

Deep Learning für die Dosisvorhersage in der Strahlentherapie (11.09.2023)

Eine Strahlentherapie erfordert eine genaue Abgrenzung des Tumorvolumens sowie von gefährdeten Organen. Eine Deep-Learning-Architektur zur automatischen Segmentierung und 3D-Dosisvorhersage für Glioblastom-Patient:innen, die in Zusammenarbeit zwischen dem ARTORG Center for Biomedical Engineering Research, Uni Bern, und der Universitätsklinik für Radioonkologie am Inselspital entstand, weist gute Sensitivität und Robustheit auf.

CAIM Fellowships Call 2023 (20.07.2023)

Der CAIM-Forschungsfonds lanciert heute einen Call für CAIM-Fellowships. Die Projektförderung zur Unterstützung von Nachwuchsforschenden mit vielversprechenden Karriereperspektiven in der translationalen KI in der Medizinforschung unterstützt Projekte für bis zu 2 Jahre mit bis zu 100'000 CHF. Die Bewerbungsfrist läuft bis zum 25. September 2023.

KI-Assistent verbessert Epilepsie-Diagnose (13.7.2023)

In einer klinischen Validierung eines KI-basierten Tools verglich das Support Center for Advanced Neuroimaging (SCAN) des Inselspitals die Diagnosegenauigkeit einer am SCAN entwickelten KI-“Assistenten” mit der Bewertung von MRI Bildern alleine durch einen erfahrene/n Neuroradiolog:in in Bezug auf das Auffinden von Hippocampus-Sklerose. Das Forschungsteam fand, dass das Modell “Mensch + Maschine” die durchschnittliche Genauigkeit der beurteilenden Ärzt:innen von 77.5% (nur MRI) auf 86.3% (MRI + KI-Assistent) verbesserte.

Statistisches Lernen bei Labordaten (20.06.2023)

Laborinformationssysteme stossen bei der Verwaltung und Analyse der grossen Menge komplexer und vernetzter Daten der heutigen Labormedizin an ihre Grenzen. Statistisches Lernen, ein Verfahren aus maschinellem Lernen und KI, ist prädestiniert für die Verarbeitung dieser "Big Data" und könnte das Fachgebiet revolutionieren. Um Qualität, Transparenz und öffentliche Akzeptanz zu gewährleisten, sollten menschliche Experten die KI-basierten Systeme jedoch sorgfältig validieren, auch im Hinblick auf den Schutz der Patientendaten.

Graph Neural Networks zur Darmkrebs-Stratifizierung (05.06.2023)

Bei minimalinvasiven Formen von Darmkrebs (pT1) müssen zur Unterbindung des Fortschreitens des Krebses unter Umständen nur die Polypen entfernt werden, anstatt eine vollständige Resektion des Dickdarms vorzunehmen. Um Patholog:innen zu unterstützen, hat das Institut für Gewebemedizin und Pathologie der Universität Bern einen auf Graph Neural Networks basierenden Ansatz zur Risikostratifizierung evaluiert, der auf der Interaktion von Tumorknospen und T-Zellen sowie anderen histopathologischen Risikofaktoren fusst und eine um etwa 20 % höhere Spezifität als die derzeitigen Leitlinien aufweist.

KI für interstitielle Lungenerkrankungen (30.05.2023)

Unter dem Oberbegriff "interstitielle Lungenerkrankungen" (ILD) existieren über 200 Diagnosen. Gegenwärtig werden diese von einem Expertengremium auf der Grundlage von CT-Bildgebung, Patientendaten, Lungenfunktionstests und Histologie bestimmt. KI-Methoden könnten helfen, eine genaue ILD-Diagnose zu stellen und die Prognose und den Verlauf in einem ganzheitlichen System vorherzusagen, wie eine Übersichtsarbeit des ARTORG Centrum und des Inselspitals aufgezeigt.

KI zur Erkennung von Lymphknotenmetastasen bei Darmkrebs (03.03.2023)

Das Screening von Lymphknotenmetastasen bei kolorektalem Krebs (CRC) könnte durch eine KI-gestützte Diagnoselösung erfolgen. Eine Gruppe von Pathologen und Datenwissenschaftlern unter der Leitung des Instituts für Gewebemedizin und Pathologie der Universität Bern hat einen Deep-Learning-basierten Workflow für die Bewertung von Lymphknotenmetastasen bei Darmkrebs entwickelt. Der Ansatz zeigte eine sehr gute Leistung und bildet die Grundlage für ein computergestütztes Diagnosetool zum einfachen und effizienten Lymphknoten-Screening bei Darmkrebs-Patienten.

Mit der Smartwatch den Blutzucker messen (23.02.2023)

Forschende unter der Leitung des Inselspitals, Universitätsspital Bern, und der Universität Bern entwickelten eine Methode, bei der sich mittels maschinellen Lernens und Smartwatch-Daten Unterzuckerungen erkennen lassen. Der in einer Pilotstudie mit 31 erwachsene Personen mit verschiedenen Typen von Diabetes mellitus getestete Ansatz eignet sich als wertvolle Ergänzung zu bestehenden Methoden zur Blutzuckermessung. In Zukunft könnten Smartwatches eine Möglichkeit zur nicht-invasiven Messung des Blutzuckers bieten.

Medienmitteilung Insel Gruppe, 23. Februar 2023 (PDF, 119KB)

Übersetzung von Deep Learning in die Strahlentherapie (08.02.2023)

Die Forschungsgruppe Medical Image Analysis (MIA) des ARTORG Center und die Radio-Onkologie des Inselspitals haben in Zusammenarbeit mit Varian, einem Unternehmen von Siemens Healthineers, ein Open Source, Framework-unabhängiges Python-Paket entwickelt, das für die Verarbeitung von DICOM RT Structure Sets geeignet ist. "PyRaDiSe" geht über die derzeitige 2D-Rekonstruktion hinaus und könnte die Akzeptanz durch Gesundheitsfachpersonen fördern.

Vorhersage von Herzinfarkten aus Routinedaten des Spitals? (04.01.2023)

Das Universitätsinstitut für Klinische Chemie und das Insel Data Science Center am Inselspital haben eine Proof-of-Concept-Studie durchgeführt, um die Diagnose einer Myokardischämie aus prädiktiven Analyten abzuleiten, die aus Routine-Labordaten des Spitals gewonnen wurden. Die Studie ergab, dass eine Gruppe von Algorithmen in der Lage war, unvoreingenommene Richtlinien für die Labordiagnostik zu erstellen, indem sie computergestützte Evidenz im heutigen Zeitalter des digitalisierten Gesundheitswesens nutzten. Dies ist ein wichtiger erster Schritt hin zu einer evidenzbasierten Labordiagnostik und damit zu einer verbesserten Patientenversorgung.

KI-gestützte Interpretation in der Kardiotokographie (30.12.2022)

Künstliche Intelligenz gewinnt im Bereich der Kardiotokographie-Interpretation in der Geburtshilfe zunehmend an Aufmerksamkeit, da sie verspricht, die bekannte Problematik der Inter- und Intra-Beobachter-Variabilität zu verbessern. Eine Übersichtspublikation der Universitätsklinik für Geburtshilfe und Feto-Maternale Medizin des Universitätsspitals Bern in Zusammenarbeit mit dem CSEM weist auf künftige Potenziale der KI hin, Komplikationen beim Ungeborenen früher zu erkennen.

LUMIERE-Datensatz für Glioblastom veröffentlicht (21.12.2022)

Die Forschungsgruppe Medical Image Analysis am ARTORG Center der Universität Bern hat in Zusammenarbeit mit dem Inselspital Bern den ersten öffentlich zugänglichen Single-Center-Datensatz für Glioblastom-Magnetresonanztomographie (MRT) mit Expertenbewertungen veröffentlicht. Der Datensatz umfasst über 600 Multisequenz-MRT-Aufnahmen und Expertenbewertungen ausgewählter Studien nach den RANO-Kriterien (Response Assessment in Neuro-Oncology), automatische Tumorsegmentierungen sowie eine Vielzahl ergänzender Informationen wie bildgebende Biomarker, demografische Patientendaten und pathologische Informationen.

Deep Learning ermittelt Neurodegeneration im Mikrometerbereich (16.12.2022)

Eine Forschungsgruppe des Inselspitals und der Universität Bern hat ein Deep Learning Tool entwickelt, das Neurodegeneration zuverlässig und deutlich schneller messen kann als etablierte Methoden. Eine wissenschaftliche Arbeit zeigt nun, dass der Algorithmus so trainiert werden kann, dass er unterschiedliche MRI-Aufnahmearten auslesen kann, die im klinischen Alltag zur Anwendung kommen. Das CSIRO Australian eHealth Research Centre konnte in einer unabhängigen Validierung ausserdem zeigen, dass die Open-Source-Methode Veränderungen im Bereich von bis zu 0.01mm messen kann (Referenz 0.06mm).

Vermeidung schwerer Embolien mittels Künstlicher Intelligenz (1.12.2022)

Fachleute der Labormedizin des Inselspitals haben in einer langjährigen prospektiven Multicenter-Studie in Zusammenarbeit mit Datenwissenschaftlern der Universität Bern ein diagnostisches Vorhersagemodell entwickelt, welches den behandelnden Ärztinnen und Ärzten eine Angabe liefert zur zuverlässigen Diagnose von HIT (Heparin-induzierte Thrombozytopenie) - einer seltenen aber lebensbedrohlichen Komplikation bei hospitalisierten Patienten nach einer grossen Operation oder einer schweren Entzündung. Das daraus entwickelte diagnostische Machine Learning Tool im Bereich Labormedizin ist weltweit einzigartig.

Medienmitteilung Insel Gruppe, 1. Dezember 2022 (PDF, 105KB)

Grosses Interesse am CAIM Research Symposium (28.11.2022)

Am ersten Forschungssymposium des Zentrums für Künstliche Intelligenz in der Medizin seit seiner offiziellen Eröffnung im März 2021 nahmen mehr als 100 Forschende aus dem Berner Ökosystem rund um die Universität und das Universitätsspital teil. CAIM-Direktor Raphael Sznitman freute sich über den Beginn vielversprechender interdisziplinärer wissenschaftlicher Diskussionen im Anschluss an die beiden Keynote-Vorträge und während der Networking-Pausen.  "Es ist toll, hier in Bern eine so lebendige Gemeinschaft rund um die KI-Forschung für das Gesundheitswesen zu haben", sagte er.

Amith Kamath und Charlotte Kern erhalten CAIM Young Researcher Awards (25.11.2022)

Die sehr translationale Forschung der Doktorierenden Amith Kamath, ARTORG Center Universität Bern, und Charlotte Kern, Universitätsinstitut für Klinische Pharmakologie und Toxikologie am Inselspital, Universitätsspital Bern, wurde am CAIM-Forschungssymposium mit je einem der neuen CAIM Young Researcher Awards ausgezeichnet. Die Preise wurden von der Standortförderung Kanton Bern mit insgesamt 1000 Franken gesponsert. Die bereits etwas weiter zu einem Produkt entwickelte Forschung (Amith Kamath) erhielt zusätzlich ein 16-stündiges persönliches Unternehmercoaching durch be-advanced.

Via Interpretability zur verbesserten medizinischen KI (24.11.2022)

Die Forschungsgruppe Medical Image Analysis am ARTORG Center hat in einer Studie mittels Interpretierbarkeit die Auswahl von Proben aus einer Reihe von radiologischen Bildern dokumentiert. MIA konzentriert sich auf Interpretierbarkeit sowohl als Mittel für mehr Transparenz für medizinische KI als auch als Werkzeug zur Verbesserung der KI selbst. Der neuartiger Ansatz auf der Grundlage von Graphenanalyse informative Stichproben in einer Multi-Label-Umgebung zu identifizieren, verbesserte die Modellleistung, die Lernraten und die Robustheit im Vergleich zu state-of-the-art Active-Learning-Methoden.

Weniger PET-Strahlenbelastung mit KI (03.11.2022)

Mittels PET/CT können Tumorerkrankungen im Hinblick auf Ausbreitung und Therapieansprechen abgeklärt werden, aber auch neurologische und kardiologische Fragestellungen beantwortet werden. Das Berner Inselspital nutzt heute schon die weltweit sensitivsten PET-Scanner mit einer vergleichsweise geringen Strahlenbelastung. Eine KI-gestützte Bildkorrektur könnte dies noch weiter senken und dabei die Bildqualität verbessern, wie die Nuklearmedizin in einer Studie in Nature Communications zeigt.

Medienmitteilung Insel Gruppe, 3. November 2022 (PDF, 153KB)

Eine mediterrane Ernährung mit dem Natel einhalten (19.10.2022)

Forschende des ARTORG Center haben in Zusammenarbeit mit Oviva und dem Institut für Epidemiologie, Biostatistik und Prävention (EBPI) der Universität Zürich gezeigt, dass ein KI-System auf einem Smartphone effektiv verfolgen kann, ob eine Person eine mediterrane Ernährung einhält. Eine mediterrane Ernährung kann das Risiko für nicht übertragbare Krankheiten senken und Übergewicht verhindern. Die Machbarkeitsstudie zum System wurde gerade in Nature Scientific Reports veröffentlicht.

Berner KI-System erhält FDA-Zulassung (30.09.2022)

Ein KI-System zur Segmentierung von Hirntumoren aus Multisequenz-MRT hat am 29. September 2022 die 510k-Zulassung der US-amerikanischen Food and Drug Administration erhalten. Das System wurde von Prof. Dr. Mauricio Reyes und seinem Team des Medical Image Analysis Lab am ARTORG Center der Universität Bern entwickelt. Die Zusammenarbeit vieler talentierter Doktoranden und Masterstudierender gewann den MICCAI Young Scientist Publication Impact Award 2016 sowie den Ypsomed Innovation Award 2016. Dieser Erfolg unterstreicht die globale Bedeutung der Berner Forschung.

KI: Freund und Helfer der Ärzteschaft? (21.09.2022)

Künstliche Intelligenz verändert das Gesundheitswesen tiefgreifend. Dieser Prozess stellt die Ärzteschaft vor verschiedene Herausforderungen. Mit der Broschüre «Künstliche Intelligenz im ärztlichen Alltag» bietet die FMH einen Überblick über KI im ärztlichen Umfeld. Zehn Forderungen sensibilisieren für die wesentlichen Aspekte von KI in der Medizin.

Medienmitteilung FMH, 21. September 2022 (PDF, 104KB) Communique de presse, FMH, 21 septembre 2022 (PDF, 103KB)

Das Maximum aus Labordaten herausholen (14.09.2022)

Jedes grosse Spital produziert täglich eine Fülle von Daten, die den Schlüssel zu neuen Erkenntnissen über Krankheiten und einer verbesserten Patientenversorgung enthalten. Damit maschinelles Lernen und Big-Data-Ansätze auf diese Daten angewendet werden können, müssen Labordaten FAIR sein: auffindbar, zugänglich, interoperabel und wiederverwendbar, schlägt ein Forscherteam der Abteilung für Klinische Chemie am Inselspital vor.

Alterskrankheiten dank Sensoren zuhause frühzeitig erkennen (30.08.2022)

Sensoren, die Bewegungsmuster aufzeichnen, können dabei helfen, gesundheitliche Probleme bei älteren Menschen wie Altersdepression, Sturzgefahr oder kognitive Einschränkungen frühzeitig zu erkennen. Künftig könnten Seniorinnen und Senioren so länger ein selbstbestimmtes Leben zuhause führen und das Gesundheitswesen würde entlastet.

Medienmitteilung Universität Bern, 30 August 2022 (PDF, 116KB)

Vorhersage von Unter- und Überzuckerung (08.08.2022)

Blutzuckerdekompensationen bei hospitalisierten Patient:innen stellen ein häufiges und erhebliches Risiko für die Patientenergebnisse und die Sicherheit dar. Ein Team von Datenwissenschaftler:innen und Ärzt:innen der Universität Bern und des Universitätsspitals Bern hat ein breit anwendbares Multiklassen-Klassifizierungsmodell zur Vorhersage von Dekompensationsereignissen aus elektronischen Patientenakten entwickelt, das notwendige Anpassungen der Überwachung oder Therapie anzeigt.

ARTORG Center entwickelt digitalen Pflegeassistenten mit QUMEA (01.07.2022)

Mit dem Digital-Health-Startup QUMEA haben das ARTORG Center for Biomedical Engineering Research, Universität Bern und die Berner Fachhochschule ein Projekt gestartet, das es Pflegeteams und Ärzten in Spitälern ermöglichen soll, die Patientenversorgung mittels sensorbasierter Technologie zu verbessern. Das Projekt wird durch Innosuisse mit CHF 1,2 Mio im Impulsprogramm Swiss Innovation Power finanziert.

KI für Diabetes-Projekt MELISSA gestartet (09.06.2022)

Das EU-Forschungsprojekt "MELISSA: Mobile Artificial Intelligence Solution for Diabetes Adapted Care" (MELISSA: Mobile künstliche Intelligenz für eine an Diabetes angepasste Versorgung) wurde heute von einem Konsortium aus 12 Partnern lanciert, dem auch das ARTORG Center Artificial Intelligence in Health and Nutrition (AIHN) der Universität Bern angehört. AIHN ist der AI-Experte in diesem Projekt und hat es in Zusammenarbeit mit Debiotech initiiert.

MELISSA Medienmitteilung, 9. Juni 2022 (PDF, 353KB)

Skurrile Träume helfen dem Gehirn, besser zu lernen (18.05.2022)

Eine Studie von Forschern der Universität Bern legt nahe, dass Träume - insbesondere solche, die gleichzeitig realistisch, aber bei näherer Betrachtung bizarr erscheinen - unserem Gehirn helfen, zu lernen und generische Konzepte aus früheren Erfahrungen zu extrahieren. Die Studie, die im Rahmen des Human Brain Project durchgeführt und in eLife veröffentlicht wurde, liefert eine neue Theorie zur Bedeutung von Träumen, die auf maschinellem Lernen und Hirnsimulation beruht.

Vorhersage von Harnwegsinfekten mit KI (05.05.2022)

Das Inselspital, die Universität Köln und die Universität Bern haben in einer Sonderausgabe von Diagnostics zu Harnsteinen und Infektionen eine KI-gestützte Analyse von Urinproben von Notfallpatienten veröffentlicht. Die Auswertung von 3835 Proben ergab, dass die KI in 96 Prozent der Fälle Harnwegsinfekte sicher ausschliessen kann. Für eine hochsichere KI-Vorhersage positiver Infektionen und Infektionstypen ist die Verwendung von UFC-Parametern allein jedoch nicht ausreichend.

Cortical oscillations in neural networks (06.04.2022)

Dealing with uncertainty is a big challenge for our brain. Led by the University of Bern, researchers from Heidelberg University, the Jülich Research Centre and Graz University of Technology have identified a new computation role for cortical oscillations that support sampling-based computations in spiking neural networks.

Inti Zlobec wird Professorin für Digitale Pathologie (31.03.2022)

Die Universität Bern hat Inti Zlobec per April 2022 zur Professorin für Digitale Pathologie gewählt. Die Stelle ist eine von mehreren neuen Professuren im Umfeld von künstlicher Intelligenz und Digitalisierung in der Medizin, die im Rahmen eines neuen Forschungsschwerpunkts in diesem Bereich geschaffen wurden.

Herzmuskelentzündung dank KI personalisiert behandeln (24.03.2022)

Ein Forschungsteam der Universität Bern und des Inselspitals, Universitätsspital Bern untersucht und entwickelt innovative Ansätze, die eine personalisierte Diagnose und Behandlung der Herzmuskelentzündung ermöglichen. Künstliche Intelligenz erlaubt künftig eine individuelle Risikoabschätzung und Verlaufsprognose. Das Projekt wurde vom CAIM für die Vergabe von Fördermitteln für 2022/23 ausgewählt.

Medienmitteilung Insel Gruppe, 24. März 2022 (PDF, 233KB)

CAIM unterstützt ukrainische Wissenschaftler*innen (10.03.2022)

Das CAIM unterstützt Wissenschaftlerinnen und Wissenschaftler aus der Ukraine in diesen schwierigen Momenten. Dem Massnahmenpaket und Unterstützungsaufruf des Schweizerischen Nationalfonds für ukrainische Forschende sowie der Initiative der Universität Bern, sich mit der Ukraine und ihren Universitäten zu solidarisieren folgend, ruft das CAIM seine Mitglieder und Partner auf, unseren Kolleginnen und Kollegen die Hand zu reichen und proaktiv nach Möglichkeiten zu suchen, ihnen zu helfen.

Schreiben Sie info.caim@unibe.ch mit Ihren Unterstützungsideen oder Anliegen zur Unterstützung.
Unterstützungsaktion Schweizerischer Nationalfonds / Webseite Universität Bern für die Ukraine

Bayes'sche Prävalenzschätzung bei einem nosokomialen Ausbruch (09.03.2022)

Nosokomiale Infektionen in Spitälern erfordern strenge Kontrollen und Prävention. Um ihre Dynamik und die Auswirkungen von Kontrollmassnahmen besser zu verstehen, hat ein Team aus Infektiologen, Datenwissenschaftlern und klinischen Chemikern des Inselspitals ein Bayes'sches hierarchisches Modell auf einen nosokomialen Ausbruch angewendet. Die Autoren kommen zum Schluss, dass solche Modelle eine flexiblere Plattform zur Untersuchung der Übertragungsdynamik bieten.

CAIM fördert fünf Translationsprojekte (10.02.2022)

Zur ersten Ausschreibung des CAIM Forschungsprojekte-Fonds haben 20 Teams ihre Projekte eingereicht. Nach einer Peer-Review durch externe GutachterInnen und einer Pitching-Runde haben das CAIM Management und der Lenkungsausschuss fünf Projekte ausgewählt, die während der nächsten 24 Monate mit je bis zu CHF 100 000 gefördert werden.

CNN quantifiziert Verkrustungen von Harnleiter-Stents (08.02.2022)

Ort und Ausmaß der Verkrustungen in Harnleiter-Stents für verschiedene Erkrankungen können für das Patientenmanagement und die Entwicklung neuer Stent-Generationen aufschlussreich sein. Das Urogenital Engineering Lab am ARTORG hat in Zusammenarbeit mit dem Inselspital und dem Kantonsspital Olten die Inkrustationsmuster von Stents bei Stein- und Nierentransplantationspatienten untersucht und mittels eines Convolutional Neural Network (CNN) Modells quantifiziert.

KI zum Schutz vor Unterernährung im Spital (17.01.2022)

Im Spital laufen v.a. ältere Patienten Gefahr, zu wenig zu essen, was zu einem Verlust an Muskelmasse und einem höheren Infektions- und Sterberisiko führt. Das AI in Health and Nutrition Labor, ARTORG Center, hat ein KI-gestütztes System entwickelt, das die Energie- und Makronährstoffaufnahme jedes Patienten durch einen Bildvergleich vor und nach einer Mahlzeit automatisch bewertet. In Zusammenarbeit mit der Geriatrischen Klinik St. Gallen und dem Inselspital hat das Team die Leistung des Systems bewertet.

Bern Data Science Initiative lanciert (17.12.2021)

Die Mission der Bern Data Science Initiative BeDSI ist, an der Universität Bern ein flexibles Netzwerk aus WissenschaftlerInnen in die traditionellen Strukturen der Universität zu weben, das die Arbeit daten- und simulations-getriebener Forschungsgruppen unterstützt und über die Grenzen von Disziplinen und Fakultäten hinweg fördert. Am 6. Dezember 2021 startete BeDSI offiziell. In einem Interview erklären Christiane Tretter, Raphael Sznitman und Tobias Hodel, warum das Netzwerk für die Zukunft so wichtig ist.

PeriVision gewinnt EIT Wild Card (15.12.2021)

PeriVision, ein MedTech-Spin-off des ARTORG Center, hat für 2021 eine prestigeträchtige europäische Wild Card gewonnen. Das Berner Start-up erhält eine Investition von 1,5 Mio. EUR sowie ein spezifisches Coaching, das die Gründer nutzen werden, um ihr erstes Produkt fertigzustellen und dessen Markteinführung in der EU und den USA vorzubereiten. PeriVision hat sich zum Ziel gesetzt, die Überwachung von Patientinnen und Patienten mit Glaukom zu revolutionieren, indem es Gesichtsfeld-Tests wesentlich patientenfreundlicher und kosteneffizienter macht.

Universität Bern an der NeurIPS 2021 (07.12.2021)

Paul Haider von der Computational Neuroscience Gruppe des Instituts für Physiologie der Universität Bern wird auf der 35. Konferenz zu Neural Information Processing Systems (NeurIPS 2021) einen Vortrag halten mit dem Titel "Latent Equilibrium: Eine einheitliche Lerntheorie für beliebig schnelles Rechnen mit beliebig langsamen Neuronen".

CAIM lanciert ExpertInnen-Verzeichnis (01.12.2021)

Um die Fülle an Know-how abzubilden, die der Berner Medizinalstandort in der Entwicklung, Validierung und Umsetzung von KI-Technologien für das Gesundheitswesen besitzt, lanciert CAIM ein ExpertInnen-Verzeichnis. Eine erste Version des Verzeichnisses geht heute online und enthält eine nicht vollständige Liste klinischer und Data-Science-ExpertInnen der Universität Bern, des Inselspitals, der UPD und der sitem-insel. Die Registrierung als Expertin oder Experte ist fortlaufend und kann unter caim.unibe.ch/experts vorgenommen werden.

Wenn Agorithmen kreativ werden (10.11.2021)

Ein besseres Verständnis von Lernmechanismen trägt dazu bei, die Funktionsweise unseres Gehirns besser zu verstehen und intelligente, anpassungsfähige Maschinen zu bauen. Um dies zu erreichen, schlagen Forscher der Universität Bern einen neuen Ansatz vor, in dem Algorithmen die biologische Evolution nachahmen und durch kreative Weiterentwicklung besser lernen.

Medienmitteilung Universität Bern, 10 November 2021 (PDF, 38KB) Communique de presse, Université de Berne, 10 novembrre 2021 (PDF, 128KB)

Neuromorphes Deep Learning mit Erstimpuls-Zeiten (20.10.2021)

Forschende der Universitäten Heidelberg und Bern haben mittels neuromorphen Substraten eine Technik für schnelles und energieeffizientes Maschinelles Lernen entwickelt. Genauso wie Energieverbrauch und Reaktionszeit für biologische Organismen unter Umgebungsdruck entscheidend sind, müssen technische Systeme die gewünschten Ergebnisse mit möglichst wenigen und frühen Impulsen (Spikes) erzielen, um ihren Zeit- und Energieverbrauch bis zur Lösungsfindung zu optimieren.

Link zur Studie
Bericht in TechXplore, 5. October 2021
Medienmitteilung Universität Heidelberg, 29. Oktober 2021

Illustration des On-Chip-Klassifizierungsprozesses mit dem Yin-Yang-Datensatz. Jedes Symbol stellt die Impuls-Zeitverzögerung für verschiedene klassifizierende Neuronen dar (J. Göltz L. Kriener et. al.)

Lungenfibrose: Zuverlässige Prognose dank KI (14.10.2021)

Ein Forschungsteam aus den Universitäten bzw. Universitätsspitälern Zürich, Oslo und Bern publizierte Resultate zur KI-getriebenen Bildanalyse von Lungenfibrose, die bei der seltenen Systemischen Sklerose auftritt. Die Forschenden um die Studienleiterin Prof. Britta Maurer wendeten Methoden der Radiomics-Analyse an und haben daraus überraschend klare Risikoprofile erstellt, die eine vielversprechende Grundlage für ein zukünftiges individualisiertes Patientenmanagement bieten.

Medienmitteilung Insel Gruppe, 14. Oktober 2021 (PDF, 191KB)

KI-Bildauswertung für klinischen Einsatz weiterentwickeln (01.10.2021)

KI wird in der Bildinterpretation für Diagnose und Therapieplanung immer intensiver eingesetzt. Ein Forschungsteam des Inselspitals, Universitätsspital Bern und der Universität Bern hat in einer Studie gezeigt, dass die gängige Beurteilungsgrundlage einer KI-basierten Bildsegmentierung bei Hirntumoren noch optimiert werden kann. Abweichungen, wie sie mit den derzeit verwendeten Parametern gemessen werden, korrelieren nicht mit klinisch relevanten Veränderungen der Strahlendosisverteilung. Für eine breite Implementierung von KI-basierter Software mit echtem Mehrwert für die Behandlungsqualität ist ein stärkerer Fokus auf klinisch relevante Ergebnisse erforderlich.

Deep Learning erkennt Subtypen bei kolorektalem Krebs (20.09.2021)

Das Forschungsteam von Prof. Zlobec, Institut für Pathologie der Universität Bern, hat eine Deep-Learning-Methode zur Quantifizierung der extrazellulären Muzin-zu-Tumor-Fläche bei kolorektalem Krebs (KRK) vorgeschlagen. Dieses histomorphologische Merkmal ist ein wichtiges Indiz, um molekulare Subtypen und klinische Ergebnisse zu prognostizieren. Die Studie trägt zum langfristigen Forschungsziel der Gruppe bei: Verbesserung der Stratifizierung sowie der Einschätzung von Prognose und Behandlungserfolg bei Darmkrebs mittels Deep Learning und Multi-Omics-Daten.

Forschungsplattform NeuroTec eröffnet (15.09.2021)

Gemeinsam mit der Universität Bern und sitem-insel eröffnete die Insel Gruppe am Dienstag, den 14. September, die Forschungsplattform NeuroTec in sitem-insel auf dem Insel Campus in Bern. NeuroTec vereint das klinische Knowhow des Universitätsspitals und die Expertise in Medizintechnik der Universität Bern und wird die führende Position der Berner Neurologie, wie sie vom Team um Prof. Dr. Claudio Bassetti aufgebaut wurde, weiter ausbauen.

Medienmitteilung Insel Gruppe/NeuroTec, 15. September 2021 (PDF, 312KB)

Bayes'sches Gehirn für Tinnitus (10.09.2021)

Das Hearing Research Lab des Inselspitals, Universitätsspital Bern, und des ARTORG Center haben ein generatives Computermodell für Tinnitus entwickelt, das auf dem Bayes'schen Gehirnkonzept basiert. Das Modell ist in der Lage, verschiedene Phänomene der Tinnitus-Wahrnehmung zu erklären, die bisher nur unzureichend verstanden wurden. Es kann für künftige Forschungs- und Behandlungsansätze eingesetzt werden, indem es erlaubt, experimentelle Beobachtungen mit theoretischen Hypothesen zu verknüpfen.

Nutzerpräferenzen von Ernährungs-Apps (03.09.2021)

Die Forschungsgruppe AI in Health and Nutrition des ARTORG Center hat eine Studie über erwachsene Nutzer von Smartphone-Ernährungs-Apps durchgeführt. In Zusammenarbeit mit dem Inselspital und CentraleSupélec erfragten die Forschenden mit einer webbasierten Umfrage die Perspektive der Nutzer zu den Funktionen, der aktuellen Nutzung und der Akzeptanz von mHealth-Apps für den Bereich Ernährung. Ziel war es, Erkenntnisse für die Entwicklung innovativer Ernährungstools zu gewinnen.

KI-gestützte personalisierte Strahlentherapie (05.07.2021)

Die Universitätsklinik für Radio-Onkologie am Inselspital wird mit neuen Räumlichkeiten zum hochmodernen Zentrum für die radioonkologische Behandlung von Krebspatienten. Drei Geräte der neusten Generation stehen zur präzisen Strahlentherapie zur Verfügung. Mit dem «Ethos» der Firma Varian setzt das Inselspital als erstes Zentrum der Schweiz auf die KI-unterstützte adaptive Radiotherapie für die patientenzentrierte, personalisierte Medizin. Dies eröffnet neue Möglichkeiten zur Zusammenarbeit und Forschungszweige für KI-Technologien im Rahmen des CAIM.

Besseres Sprachverstehen durch KI in Hörhilfen (30.06.2021)

In lauter Umgebung ist es mit einem Hörgerät oder Hörimplantat schwer, ein Gegenüber zu verstehen, weil derzeitige Audioprozessoren noch Schwierigkeiten haben, sich präzise genug auf bestimmte Schallquellen zu fokussieren. Dass Künstliche Intelligenz dieses Problem lösen könnte, zeigen Forschende des Hörforschungslabors der Universität Bern und des Inselspitals nun in einer Machbarkeitsstudie.

Medienmitteilung Insel Gruppe, 30. Juni 2021 (PDF, 259KB)

KI könnte bald Ihre Augenarzt-Termine mitbestimmen (08.06.21)

Drei der häufigsten chronischen Augenerkrankungen erfordern regelmässige Kontrolluntersuchungen und Injektionen ins Auge durch Netzhautspezialisten, um eine drohende Erblindung abzuwenden. Eine Studie der Universität Bern und des Inselspitals, Universitätsspital Bern in Zusammenarbeit mit einem Startup für Anwendungen künstlicher Intelligenz (KI) in der Augenheilkunde zeigt nun, dass sich die ideale individuelle Untersuchungshäufigkeit von Patientinnen und Patienten recht genau durch maschinelles Lernen vorhersagen lässt – mit einem dreifachen Nutzen.

Link zur Studie

Studienaufbau (© Artificial Intelligence in Medical Imaging Lab, ARTORG Center)

Medienmitteilung Insel Gruppe, 8. Juni 2021 (PDF, 284KB)

Bern Data Science Day begründet (01.06.2021)

Datenwissenschaftliche Forschung ist an der Universität Bern auf dem Vormarsch. Für eine erste Bestandsaufnahme der laufenden Projekte in verschiedenen Fakultäten wurde kürzlich der erste Data Science Day abgehalten. Nach dem grossen Erfolg der Pilotveranstaltung soll das Event nun jährlich stattfinden.

Weltraumtechnik im Operationssaal (12.05.2021)

Entwickelt wurden die Instrumente, um nach Lebenszeichen auf anderen Planeten zu suchen. Nun sollen sie auch dazu dienen, gesunde Nervenzellen von Hirntumorzellen zu unterscheiden. Ein Gespräch mit dem Astrophysiker Brice-Olivier Demory und Raphael Sznitman, Experte für maschinelles Lernen und künstliche Intelligenz, über ihr Projekt BrainPol. Ori Schipper berichtet über eine neues Kollaborationsprojekt des Center for Space and Habitability und des ARTORG Center AI in Medical Imaging lab.

Center for Artificial Intelligence in Medicine wird eröffnet (19.03.2021)

Das Center for Artificial Intelligence in Medicine (CAIM) der Universität Bern und der Insel Gruppe mit den Partnern sitem-insel und Universitäre Psychiatrische Dienste Bern (UPD) wird heute offiziell eröffnet. Die virtuelle Veranstaltung bietet Einblicke in kontrovers diskutierte Themen und aktuelle Forschungsprojekte zu Künstlicher Intelligenz in der Medizin. 500 Teilnehmende werden online erwartet.

Medienmitteilung, Universität Bern, 19. März 2021 (PDF, 79KB) Interview Raphael Sznitman, UniAktuell, 19. März 2021 (PDF, 2.1 MB)

Künstliche Intelligenz beurteilt chirurgische Leistung (12.03.2021)

Lavanchy & Beldi, Insel Gruppe

Einem Forschungsteam des Inselspitals, Universitätsspital Bern, der Universität Bern und der Firma caresyntax ist der Nachweis gelungen, dass künstliche Intelligenz (KI) die Fertigkeiten von Chirurginnen und Chirurgen zuverlässig beurteilen kann. Mit einem dreistufigen Verfahren ist eine Methode vorgestellt, die mit hoher Trefferquote gute und mässige Leistungen korrekt zuordnet. Damit ist der Weg frei für weitere Schritte in Richtung von KI-gestützten Expertensystemen.

Medienmitteilung, Insel Gruppe, 12. März 2021 (PDF, 124KB)

Hirnschlag mit künstlicher Intelligenz wirksamer behandeln dank Verbundlernen (09.03.2021)

Ein Forschungsteam des Inselspitals, Universitätsspital Bern, der Universität Bern und des «Centre hospitalier universitaire vaudois» (CHUV) setzt künstliche Intelligenz ein, um nach einem Hirnschlag schneller zielgerichtet handeln zu können. Das Projekt «Advanced Stroke Analysis Platform» (ASAP) arbeitet mit Verbundlernen, d.h. die Datenbanken beider Spitalzentren werden «föderativ» verbunden. Das Projekt wird von Innosuisse gefördert.

Federated Learning Setup (JPG, 46KB) Medienmitteilung Insel Gruppe, 9. März 2021 (PDF, 165KB)

Covid-19-Forschung: Verlauf zuverlässig vorhersagen (03.03.2021)

Das Inselspital, Universitätsspital Bern und die Universität Bern starten derzeit die weltweit erste multizentrische, internationale Studie zur KI-gestützten Prognose schwerer Verläufe bei Covid-19. Die Forschungsarbeit verwendet Künstliche Intelligenz zur Auswertung umfangreicher klinischer, bildmorphologischer und Labordaten. Die vom Schweizerischen Nationalfonds geförderte Studie soll zuverlässige Prognosen erlauben, ob in einem konkreten Fall mit einem schweren Covid-19-Verlauf zu rechnen ist.

Multi-omics approach (JPG, 149KB): Komplexe Daten, bestehend aus CT-, Röntgen-Daten, klinischen und Labordaten dienen dem AI Algorithmus als Grundlage für die Prognose des akuten (7-Tage) und chronischen Verlaufs. (Alexander Poellinger, Inselspital).

Bericht Inselspital, 3. März 2021

Deep Learning liest Gewebe-Mikroarrays von Darmkrebs (10.02.2021)

Gewebe-Mikroarray-Kernbilder (englisch TMA) sind eine wahre Fundgrube für KI-Anwendungen. Ein häufiges Problem bei TMAs ist jedoch die mehrfache Sektionierung des TMA-Blocks, die den Inhalt des Kerns verändern kann und eine erneute Beschriftung jedes Bildes erfordert. Das Institut für Pathologie der Universität Bern hat verschiedene Ensemble-Methoden zur Klassifizierung von kolorektalem Gewebe mit Hilfe von Hochdurchsatz-TMAs untersucht. Ihr hochpräziser Algorithmus für die Klassifizierung von kolorektalem Gewebe in "Tumor", "normal" oder "anderes" zeigte eine sehr gute Vorhersagegenauigkeit und ist für Bilder von verschiedenen Institutionen, Kerngrößen und Färbeintensitäten geeignet.

Durchbruch bei der Modellierung von Nervenzellen beschleunigt die Hirnforschung (27.01.2021)

Nervenzellen im Gehirn verfügen über komplexe baumartige Verästelungen – die Dendriten – um Informationen zu verarbeiten. In der Künstlichen Intelligenz (KI) wurden diese Strukturen bisher allerdings vernachlässigt. Nun haben Berner Forschende eine Methode entwickelt, mit der sich der komplizierte Aufbau der Nervenzellen deutlich vereinfachen lässt, ohne an Genauigkeit zu verlieren. Dadurch könnten KI-Anwendungen künftig Informationen ähnlich wie das Gehirn verarbeiten.

Medienmitteilung Universität Bern, 27. Januar 2021 (PDF, 65KB)

KI zur Qualitätssicherung in der Strahlentherapieplanung: Projekt gefördert (18.01.2021)

Die Medical Image Analysis Gruppe des ARTORG Center, Universität Bern, erhält von der Krebsliga Schweiz eine Projektförderung für die Entwicklung von KI-Technologien zur Qualitätssicherung in der Planung von Strahlentherapien in Zusammenarbeit mit den Radioonkologischen Abteilungen des Universitätsspitals Zürich und des Inselspitals.

Studienleiter Mauricio Reyes kommentiert: "Wir sind dankbar für diese Unterstützung, die uns ermöglicht, eine neue Generation von Technologien zur Verbesserung von Aspekten der Qualitätssicherung in der Planung von Bestrahlungs-Therapien zu entwickeln." Das Projekt belegte den dritten Platz von insgesamt siebenundsiebzig eingereichten Projekten.

Medical Imaging Analysis, ARTORG Center

Abbildung: Segmentation Dose Combination (MIA) (JPG, 493KB)

Thomas Sauter wird Stiftungsprofessor für Telenotfallmedizin (15.01.2021)

(Foto: Pascal Triponez © Universität Bern)

Thomas Sauter, Leiter Bildung, eHealth und Telenotfallmedizin am Universitären Notfallzentrum des Inselspitals, Universitätsspital Bern, wurde von der Universitätsleitung zum Stiftungsprofessor für Telenotfallmedizin gewählt. Die Assistenzprofessur wurde dank der Unterstützung durch den Touring Club Schweiz (TCS) errichtet. Sie befasst sich mit «eHealth» auf dem Gebiet der Notfallmedizin und ist weltweit eine der ganz wenigen ihrer Art.

Medienmitteilung, Universität Bern, 15. Januar 2021 (PDF, 90KB) Communique de Presse, Université de Berne, 15 janvier 2021 (PDF, 127KB)

Sinergia-Projekt zu Trans-omics gegen Darmkrebs startet (06.01.2021)

Das Institut für Pathologie der Universität Bern hat ein Sinergia-Grant des Schweizerischen Nationalfonds erhalten, um eine umfassende analytische und klinische Perspektive auf Darmkrebs zu entwickeln, ein wichtiger Faktor krebsbedingter Mortalität in der Schweiz. In Zusammenarbeit mit der ZHAW, dem Institut für Systembiologie der ETH Zürich und IBM Research wird die Gruppe die Patienten-Stratifizierung, -Prognose und Therapieempfehlung mittels eines KI-gesteuerten, multimodalen Klassifikators verbessern. Dieser wird so trainiert, dass er Krebsvarianten molekular klassifizieren und weitere klinische Variablen identifizieren kann, die für behandelnde Ärzte wichtig sind.

Smartphone prüft das Einhalten einer Mittelmeerdiät (29.12.2020)

Das ARTORG Artificial Intelligence in Health and Nutrition Labor, das Institut für Epidemiologie, Biostatistik und Prävention der Universität Zürich und die Oviva SA haben gemeinsam eine Smartphone-Applikation entwickelt, die automatisch abschätzen kann, ob eine Person eine gesundheitsfördernde mediterrane Ernährung einhält. Erste Ergebnisse des neuartigen Systems sind vielversprechend.

KI-Röntgenbildanalyse erkennt Covid-19 zuverlässiger (11.12.2020)

Ein Team von Forschenden am Inselspital, Universitätsspital Bern und am ARTORG Center for Biomedical Research der Universität Bern publizierte eine Studie zu einer neu entwickelten, auf Künstlicher Intelligenz (KI) beruhenden Methode der Thorax-Röntgenbildanalyse. Die Forschenden verglichen eine KI-gestützte Analysetechnik mit einer herkömmlichen Auswertung durch Röntgenärztinnen und Röntgenärzte. Vor allem bei der Unterscheidung von Covid-19 und Nicht-Covid-19-Lungenerkrankungen lieferte die KIgestützte, neue Methode deutlich zuverlässigere Ergebnisse.

Medienmitteilung, Insel Gruppe, 11 December 2020 (PDF, 213KB)

KI im Dienste des weltweit schnellsten Ganzkörper-Scanners (02.12.2020)

Kürzlich wurde am Inselspital, Universitätsspital Bern, der schnellste Ganzkörper-PET/CT-Scanner der Welt installiert. Der Scanner liefert 4D-Bilder für ein 106 cm großes Sichtfeld in nur wenigen Sekunden und eröffnet damit neue Dimensionen in Forschung, Diagnostik und Therapiemanagement. Kuangyu Shi, CAIM Mitglied und Leiter eines KI-Labors an der Klinik für Nuklearmedizin am Inselspital, erklärt, wie KI helfen kann, die Herausforderungen der neuen Technologie zu bewältigen: "KI ermöglicht es uns, das Potenzial der Maschine voll auszuschöpfen. So können wir unsere Forschung zu KI und translationaler Theranostik vertiefen und die klinische Praxis anpassen."

AI for total body PET/CT (PDF, 92KB)

Berner Zentrum für Künstliche Intelligenz in der Medizin (17.11.2020)

Die Universität Bern und das Inselspital, Universitätsspital Bern, gründen ein Zentrum für Künstliche Intelligenz in der Medizin. Das neue «Center for Artificial Intelligence in Medicine» (CAIM) vereint medizinische Spitzenforschung, Ingenieurswesen und Digitalisierung. Es soll mit Hilfe von KI neue Technologien entwickeln, um eine massgeschneiderte und effiziente Patientenversorgung zu ermöglichen. Partner des neuen Zentrums sind sitem-insel, das nationale Zentrum für Translationale Medizin und Unternehmertum, und die Universitären Psychiatrischen Dienste Bern (UPD).

Medienmitteilung, Universität Bern, 17 November 2020 (PDF, 97KB) Communique de presse, Université de Berne, 17 novembre 2020 (PDF, 134KB)