Alle Artikel

Die FDA hat eine 510(k)-Freigabe für ein Bayesian-gestütztes AI/ML-SaMD zur kontinuierlichen Sepsis-Früherkennung und Risikoprognose erteilt.

Die FDA hat die 510(k)-Freigabe für AutoAS erteilt: KI-Software unterstützt die Echokardiografie-Auswertung bei moderater bis schwerer Aortenstenose.

Die FDA hat CINA-ASPECTS per 510(k) für KI-gestützte CT-Auswertung zur ASPECTS-Unterstützung bei akutem Schlaganfall freigegeben.

Ein chinesisches Provinz-Gesundheitssystem berichtet über operative Real-World-Ergebnisse nach der Implementierung klinischer KI in die Routineversorgung.

Ein longitudinales ML-Modell namens mSTOP soll frühe Non-Benefit-Patienten für Immun-Checkpoint-Inhibitoren bei nicht-kleinzelligem Lungenkrebs erkennen und gezieltere Entscheidungen ermöglichen.

Ein neuer wissenschaftlicher Rahmen soll die klinische Validierung generativer KI-Therapeutika strukturieren und damit Evidenz für Zulassung und Studienplanung verbessern.

Die FDA hat ein Bayesian-Health-System zur kontinuierlichen Sepsis-Risikomarkierung aus EHR-Daten per 510(k) freigegeben.

Die FDA hat ein regulatorisches Schreiben zum DeepView AI System zur Unterstützung bei der Wund- und Verbrennungsdiagnostik veröffentlicht.

Eine klinische Validierungsstudie zeigt, dass eine KI-gestützte ECG-Analyse die linksventrikuläre Systolendysfunktion bei pädiatrischen und kongenitalen Herzfehlern aus einem einzelnen Ableitungssignal zuverlässig erkennen kann.

Eine Studie untersucht ein DeepSeek-basiertes KI-System zur automatisierten Interpretation von Thoraxröntgen im Routineeinsatz und bewertet die klinische Tauglichkeit im Deployment.

Die FDA hat zwei generativen KI-Tools in der Radiologie jeweils den Breakthrough-Designation-Zuschlag gegeben und damit den regulatorischen Weg für klinische Bildgebung beschleunigt.

Ein prospektiver Multicenter-„Silent Trial“ zur KI-Triage normaler CXR zeigt in der Realwelt-Validierung deutliche Schwächen inklusive Failure Analysis.

Die FDA aktualisiert eine Übersichtsseite zu zugelassenen KI-gestützten Medizinprodukten und zeigt damit neue regulatorische Maßstäbe für klinische AI-Deployments.

Ein FDA-Schreiben zum DeepView AI System konkretisiert Anforderungen an klinische Evidenz und regulatorische Nachweise für ein KI-gestütztes Wundbewertungs-Tool.

Die FDA beschreibt, wie sie neue KI-Anwendungen in der Versorgung regulatorisch bewertet, mit Fokus auf Verfahren wie NLP und LLMs.

Ein generalisierbares KI-Modell prognostiziert Outcomes unter Immuntherapie über mehrere Krebsarten und Behandlungsregime hinweg.

Eine neue KI überwacht während der mechanischen Beatmung die Atemanstrengung und erkennt Patient-Ventilator-Dyssynchronien in Echtzeit.

Eine KI-basierte Volumetrie kann nach Y-90-Radioembolisation bei leberdominanten Metastasen frühe Tumorprogression vorhersagen.

Eine klinische Studie untersucht, wie KI als Triage-Partner das Brustkrebs-Screening unterstützen kann und welche Auswirkungen sie auf den Screening-Workflow haben kann.

Ein klinischer KI-Algorithmus kann während der mechanischen Beatmung inspiratorische Muskelanstrengung und Patient-Ventilator-Dyssynchronie überwachen.

Eine Übersichtsarbeit ordnet multimodale KI-Ansätze in der Onkologie ein und beschreibt, was für den Transfer in die Klinik noch fehlt.

Eine neue Bildgebungs- und KI-Methodik verbessert die kardiale Diffusion-Tensor-Bildgebung, indem sie mehrere Bildschichten gleichzeitig erfasst und Artefakte gezielt adressiert.

Ein neuer Fachbeitrag beschreibt den Wandel von assistierenden KI-Systemen hin zu autonomen medizinischen KI-Agenten und den daraus folgenden Anforderungen an Sicherheit und Steuerbarkeit.

Eine Scoping Review bündelt empirische Studien zur Human-AI-Collaboration in klinischen Workflows und zeigt, wie sich Mensch-Maschine-Interaktion in echte Pfade einbettet.

Die FDA hat ein 510(k)-Freigabeschreiben für ein KI-gestütztes Imaging- und Medical-Image-Management-Produkt von GE Medical Systems, LLC veröffentlicht.

Die FDA hat im De-Novo-Verfahren DEN250007 ein KI-Tool zur Ableitung des Geburtstermins aus Rohbildern freigegeben.

Die FDA führt eine offizielle Liste AI-fähiger Medizinprodukte, die als laufender Status- und Prüfpfad für Freigaben dient.

Eine Real-World-Studie untersucht, wie Medical-Scribe- und Ambient-AI-Tools den Dokumentationsaufwand von Notfallärztinnen und -ärzten reduzieren und die klinische Produktivität beeinflussen.

Peer-reviewte Arbeit zeigt, wie autonome Medical-AI-Agenten in einer EHR-Sandbox Anamnese, Testanordnung, Befunde und Behandlungspläne zusammenführen können.

Studie zeigt, wie KI-Agenten die präoperative Frailty bei Krebspatienten als perioperatives Entscheidungsinstrument unterstützen können.

Eine Studie zeigt, dass Datenschutzrisiken medizinischer KI-Systeme je nach Modell- und Nutzungskontext stark variieren können.

Eine Studie aus Saudi-Arabien zeigt, wie sich die Integration von KI in den Klinikalltag mit der Patientensicherheitskultur von Beschäftigten verknüpft.

Eine Studie verfeinert KI-Thresholds für die Bildgebung bei akutem ischämischem Schlaganfall und zielt auf bessere prognostische Vorhersagen.

Die FDA hat eine De-Novo-Vorlage für das KI-System DeepView zur Bewertung von Wunden und Verbrennungen veröffentlicht.

Die FDA hat ein EHR-basiertes KI-System zur Sepsis-Früherkennung (Bayesian Health Sepsis Flagging Device) per 510(k) freigegeben.

Die FDA führt eine laufende Übersicht zu KI-gestützten Software-Medizinprodukten und schafft damit eine Referenz für neue Zulassungen und regulatorische Entwicklungen.

Eine Scoping Review ordnet empirische Ansätze zur Human-AI-Kollaboration in klinischen Workflows ein und zeigt, wo die Forschung den größten Hebel für die Praxis sieht.

Eine systematische Übersicht zeigt, dass die Einführung von KI im Gesundheitswesen vor allem an Umsetzungshürden, Daten- und Workflow-Themen scheitert und Auswirkungen auf Gesundheitsleistungen hat.

Eine aktuelle Studie untersucht, wie vertrauenswürdige KI bei manschettenlosem Blutdruckmonitoring entwickelt und bewertet werden kann.

Die FDA erteilt eine De-Novo-Freigabe für das DeepView-AI-System zur Wund- und Brandbeurteilung, ein regulatorischer Schritt für KI in der klinischen Bildauswertung.

Die FDA führt eine laufende Übersicht zu KI-/ML-gestützten Medizinprodukten und konkretisiert damit, wie Software künftig freigegeben wird.

Die FDA hat ein 510(k)-Clearance-Dokument für ein GE-System mit KI-/Bildgebungsbezug veröffentlicht, das die Marktzulassung für die nächste Produktgeneration untermauert.

Die EU richtet ein unabhängiges Expertensupport-System für die Durchsetzung des EU AI Acts ein, um insbesondere Hochrisiko-KI in der Medizin zu begleiten.

Die EU-Kommission hat einen freiwilligen Code of Practice zur Markierung und Kennzeichnung von KI-generierten Inhalten veröffentlicht.

Die FDA hat zwei generative KI-Systeme in der Radiologie mit Breakthrough Designations ausgezeichnet – für Bildinterpretation und Berichtserstellung.

Eine Scoping Review ordnet Human-AI-Zusammenarbeit in der Medizin entlang Workflow, Integration und Governance ein.

Eine systematische Übersichtsarbeit bündelt die häufigsten Umsetzungsprobleme bei KI in der Versorgung und zeigt Auswirkungen auf Gesundheitssysteme.

Ein Pilotcurriculum soll Krankenhauspersonal gezielt in sicherer KI-Nutzung und Anwendung im Klinikalltag schulen.

Die EMA aktualisiert ihren Überblick zu KI in der Arzneimittelzulassung und verweist auf die aktuelle Berichtslage zu KI-Themen und Governance.

Die FDA stärkt den KI-Einsatz in der Prüfung und konsolidiert ihre Datenplattform, um Reviews schneller und effizienter zu machen.

Die FDA startet große Schritte zur Umsetzung von Real-Time Clinical Trials und nennt Data-Science und KI als Grundlage für schnellere, datengetriebene Studiendurchläufe.

Ein Peer-Reviewed Leitfaden ordnet die EU-AI-Act-Pflichten für Gesundheitsanbieter ein und zeigt, wie Governance und Compliance im Betrieb aussehen sollen.

Ein systematisches Review zeigt, dass bei der Einführung von KI im Gesundheitswesen vor allem Implementierungshürden aus Betrieb, Daten und Prozessen den Nutzenbremsen.

Eine große arXiv-Studie zu nutzerberichteten Problemen zeigt, dass Health-Chatbots häufig an Zugriff, Usability und Vertrauen scheitern.

Generische Large Language Models schneiden in medizinischen Benchmarks teils besser ab als spezialisierte klinische KI-Tools, zeigt ein neuer Peer-Review-Vergleich.

Eine Scoping-Review zeigt, dass viele KI-Ansätze in der Intensivmedizin zwar entwickelt wurden, der Schritt in den klinischen Alltag aber häufig noch aussteht.

Eine prospektive externe Validierung zeigt: Ein KI-Modell kann auf der Intensivstation kontinuierlich und früh moderates bis schweres AKI vorhersagen.

Neue Forschung beschreibt Ambient-AI im Operationssaal als Schritt von passiver Erfassung hin zu prädiktiver Koordination perioperativer Abläufe.

Eine neue Scoping-Review zeigt, dass KI-Modelle in der Intensivmedizin häufig nicht den Schritt in die klinische Routine schaffen.

Eine aktuelle Auswertung ordnet ein, wie gut die Evidenz zeigt, dass KI in der Versorgung nachweislich messbare Outcomes verbessert.

Eine nicht-randomisierte klinische Studie validiert ein KI-gestütztes Programm zur Erkennung der transthyretinbezogenen kardialen Amyloidose (ATTR-CM).

Peer-Review zeigt: General-purpose LLMs erzielen auf medizinischen Benchmarks höhere Leistungen als spezialisierte klinische KI-Tools.

Eine randomisierte Studie prüft KI-basierte Analytics zur frühzeitigen Erkennung klinischer Verschlechterung in der Akutversorgung und bewertet Nutzen und Grenzen der Risiko-Displays.

Das US-amerikanische CMS schafft ein eigenes Büro, um Health-Tech-Produkte einschließlich KI und Interoperabilität stärker in die Versorgung zu integrieren.

Die FDA baut ihre AI- und Datenplattform-Fähigkeiten aus und konsolidiert ihre Dateninfrastruktur, um regulatorische Prüfungen zu beschleunigen.

Eine STAT-Reportage beschreibt, wie patientenseitige KI-Scribe-Apps zunehmend Arztbesuche in der Praxis mitprotokollieren sollen.

Eine nicht-randomisierte Studie zeigt, dass ein Ambient-AI-Scribe die Qualität von OSCE-Notizen von Medizinstudenten messbar beeinflusst.

Eine peer-reviewte Einordnung ordnet Ambient-AI-Scribes entlang klinischer Qualitäts- und Versorgungsziele ein und zeigt, was dabei gemessen werden sollte.

Der Peer-Review-Implementierungsbericht beschreibt, wie MediVoice als Ambient-AI-Scribe klinische Dokumentation in der Routine bereitstellt und in den Dokumentationsprozess integriert.

Der neue China-Elderly-Comorbidity-Datensatz CECMed soll mit Machine-Learning Vorhersagen zu geriatrischer Multimorbidität ermöglichen.

Die EMA konkretisiert Prinzipien für den Einsatz von KI bei der Entwicklung von Arzneimitteln – inklusive Anforderungen an Daten, Transparenz und Regulierung.

Die FDA erläutert, wie KI- und ML-Software als Medizinprodukt eingestuft, bewertet und reguliert wird – inklusive Verweisen auf zentrale Guidance.

Die EU schafft unabhängige Unterstützung durch Experten zur Durchsetzung des AI Acts.

Die EU hat Details zur Transparenz von KI-generierten Inhalten im Gesundheitskontext veröffentlicht – mit klarem Umsetzungsrahmen und Erwartungen an Kennzeichnung.

Die EU hat einen Code of Practice veröffentlicht, der festlegt, wie KI-generierte Inhalte im Gesundheitskontext gekennzeichnet und transparent gemacht werden sollen.

Die EU richtet ein Scientific Panel und ein Advisory Forum ein, um die Durchsetzung des AI Acts mit unabhängigen Experten zu stützen.

Die EU-Kommission veröffentlicht einen Code of Practice, der Vorgaben zur Kennzeichnung und Transparenz KI-generierter Inhalte im Rahmen des AI Acts konkretisiert.

Die EU hat das erste Treffen des Netzwerks für KI-gestütztes Advanced Screening von Patientinnen und Patienten gestartet und damit die klinische Implementierung vorangetrieben.

Eine peer-reviewte Studie zeigt, wie Generative KI die klinische Surveillance von healthcare-associated Infektionen unterstützen kann.

Eine Pilotstudie prüft die diagnostische Performance einer KI-Software im organisierten Screening auf diabetische Retinopathie.

Ein Expertenkonsens ordnet KI-gestütztes Monitoring und Management der Neugeborenen-Gelbsucht in der Primärversorgung ein.

Eine Scoping-Review zeigt, dass KI in der Intensivmedizin zwar gut erforscht ist, der Weg in die Routineversorgung aber oft stockt.

Eine systematische Übersicht ordnet KI-Einsatz in der Traumaversorgung entlang des gesamten Versorgungspfads ein – von Reanimation über Diagnostik bis Risikovorhersage und Management.

Med.ai stellt ein agentisches System für biomedizinisches Question Answering vor und zielt auf die Lücke zwischen reiner Modellantwort und nachverfolgbaren Workflows.

Ein Peer-Reviewed-Überblick zeigt, wie KI in der Jugendmentalgesundheit klinisch eingeführt werden kann – mit Fokus auf Implementierung, Workflow und Versorgungspraxis.

Eine Umbrella-Review ordnet Wirksamkeitsnachweise zu KI-gestützten Pflegeinterventionen in der Versorgung chronisch Kranker ein.

Eine neue Readiness-Matrix mit Fallstudien zeigt, wie Regierungen und Anbieter KI-Einsätze in Ländern mit niedrigem und mittlerem Einkommen für mehr Health Equity systematisch vorbereiten können.

Bayesian Health hat eine FDA-Zulassung für ein KI-gestütztes Tool zur Sepsis-Erkennung erhalten. Damit rückt Sepsis-Clinical-Decision-Support weiter in den Regelbetrieb.

Die US-FDA kündigt Schritte an, um Real-Time Clinical Trials stärker zu implementieren und damit schnellere, datengetriebene Studien auch für KI-basierte Medizinprodukte zu ermöglichen.

Klinik-Termine werden zunehmend durch KI-„Scribes“ ergänzt: Gespräche werden zusammengefasst, und Action Items sollen Patienten wie auch Praxen über den Besuch hinaus unterstützen.

Eine Studie zur Post-Deployment-Überwachung von KI in der Notfall-Radiologie zeigt, wie sich falsche Ergebnisse klinisch auswirken können.

Die MediVoice-Implementierung zeigt, wie ambient künstliche Intelligenz die klinische Dokumentation workflow-integriert, um Dokumentationsaufwand zu reduzieren.

Eine qualitative Studie zeigt, wie Kinder und Jugendliche KI in der Pädiatrie wahrnehmen und welche ethischen Punkte bei der Einführung zählen.

Die FDA hat eine AI/ML-Software als Medizinprodukt für das kontinuierliche Monitoring zur frühen Sepsis-Erkennung für den klinischen Einsatz freigegeben.

Die FDA hat die KI-gestützte Software „Exo AI Platform 2.2“ als Software as a Medical Device freigegeben.

Eine aktuelle Übersicht ordnet klinische KI-Anwendungen in der Onkologie ein und nennt zentrale Hürden bei Umsetzung und Bewertung.

Die FDA bündelt ihre Vorgaben zu AI/ML-enabled Software as a Medical Device (SaMD) und verweist auf zentrale Guidance- und Policy-Dokumente.

Die US-FDA erweitert ihre KI-Fähigkeiten und schließt die Konsolidierung ihrer Datenplattform ab, um Analysen und regulatorische Prozesse zu beschleunigen.

Die FDA kündigt konkrete Maßnahmen zur Umsetzung von Real-Time-Clinical-Trials an und startet einen Proof-of-Concept für datengetriebene, KI-nahe Prüfungsabläufe.

Eine multizentrische externe Validierungsstudie prüft ein KI-gestütztes EKG zur Erkennung niedriger Ejektionsfraktion und stärkt damit die Übertragbarkeit in die Routineversorgung.

Die FDA veröffentlicht fortlaufend neue Hinweise und Updates aus dem CDRH-Umfeld zu Medizinprodukten und AI/ML-Themen.

Eine validierte Generative-KI-Pipeline kann klinische Daten automatisiert aus elektronischen Patientenakten extrahieren und verbessert damit den Dokumentations- und Datenbereitstellungsprozess.

Eine klinische Evaluierung prüft, wie gut ein KI-Modell obstruktiven Hydrozephalus in Kopf-CTs identifiziert.

Eine Studie prüft multimodale große Sprachmodelle bei der Beurteilung entzündlicher Hautkrankheiten und liefert Benchmark- und Validierungsdaten.

Eine randomisierte Studie prüft KI-basierte Analytics zur Vorhersage klinischer Verschlechterung und bewertet Nutzen im Versorgungsalltag.

Eine prospektive Evaluation zeigt, dass neuro-symbolische Multi-Agent-KI mit Onkologie-Knowledge-Graph das Matching klinischer Studien bei 3.804 Patienten deutlich strukturierter unterstützt.

Eine Peer-Review-Auswertung vergleicht allgemeine und medizin-spezifische KI-Chatbots und untersucht diagnostische Genauigkeit sowie zeitliche Stabilität in klinischen Szenarien.

Eine nicht-randomisierte Studie prüft smartphone-basiertes, proaktives Selbstscreening für okuläre Oberflächenmalignome und zeigt, dass digitale Selbsterkennung im klinischen Setting getestet wird.

Eine Peer-Review-Studie bewertet ChatGPT in einem strukturierten Test von Triage-Empfehlungen – mit Blick auf Leistung und klinische Einsetzbarkeit.

Die FDA hat Klarstellungen für ein SaMD-System zur kontinuierlichen Überwachung und frühen Sepsis-Erkennung veröffentlicht und damit den Weg für Echtzeit-Clinical-Decision-Support bei Akutpatienten weiter gemacht.

Die FDA kündigt Schritte zur Umsetzung von Real-Time Clinical Trials an und will damit datengetriebene, schnellere Studienabläufe ermöglichen.

Die FDA bündelt ihre Vorgaben und Transparenzhinweise für AI/ML-gestützte Medizinprodukte, um die Einordnung von Zulassungen und Pflichten zu erleichtern.

Die FDA bündelt und konkretisiert die Anforderungen und Transparenzregeln für AI/ML-basierte Medizinprodukte, darunter Software as a Medical Device.

Die FDA erweitert ihre KI-Kompetenzen und konsolidiert eine Datenplattform, um regulatorische und operative Prozesse für Medical-AI-Infrastrukturen zu stärken.

Die FDA startet ein RTCT-Programm, um klinische Studien in Echtzeit daten- und KI-gestützt umzusetzen.

Die FDA setzt neue Schritte um, damit klinische Studien schneller und datengetriebener in Echtzeit angepasst werden können.

Die FDA will Drug-Repurposing beschleunigen: KI/ML soll künftig gezielt präklinische Signale identifizieren und so Lücken bei unerfüllten medizinischen Bedürfnissen schließen.

OBUSight soll ophthalmologische Ultraschallbefunde mit klinisch ausgerichteter generativer KI unterstützen und so Diagnoseentscheidungen verbessern.

Die EU bündelt den regulatorischen Rahmen für KI im Gesundheitswesen, darunter AI Act und EHDS, und schafft damit Orientierung für Anbieter und Betreiber medizinischer KI.

Die EU konsultiert Entwürfe für Transparenzpflichten nach dem AI Act, die sich auch an Anbieter klinischer Medizin-KI und KI-generierter Inhalte richten.

Die FDA holt bis 15. Mai 2026 Rückmeldungen zu Real-Time Clinical Trials ein und verweist dabei auf den Einsatz KI-gestützter Ansätze in frühen Studienphasen.

Die PREDICTOM-Studie entwickelt eine KI-gestützte Plattform für das Alzheimer-Screening in der Bevölkerung und definiert das Studiendesign.

Eine neue ethische Analyse warnt davor, dass synthetisch erzeugte Gesundheitsdaten Versorgungsdefizite unterversorgter Gruppen eher verdecken als beheben könnten.

Ein systematisches Review zeigt, welche Aspekte die Akzeptanz von KI in der Versorgung fördern oder hemmen.

Die EMA/HMA-Gruppe hat in Notizen zu KI den Schwerpunkt auf Governance und Erwartungen der Mitgliedstaaten mit Blick auf Industrie- und Medizinprodukte-Praxis gelegt.

Eine Studie zeigt: Wie fair KI im Gesundheitswesen ist, hängt stärker vom Datensatz und Kontext ab als vom eingesetzten Algorithmus.

Die FDA kündigt Schritte an, um Real-Time Clinical Trials zu ermöglichen, mit Unterstützung durch Daten-/KI-Methoden und Sicherheitsmonitoring.

Die FDA bündelt ihre Anforderungen an KI/ML in Software as a Medical Device und verweist auf die passenden Guidance-Dokumente.

Die FDA führt eine Übersicht zu zugelassenen KI/ML-Software-Medizinprodukten und erläutert, wie solche Systeme reguliert und gelistet werden.

Eine Proof-of-Concept-Studie nutzt multibiomarkerbasierte ML, um den Verlauf akuter Leberverletzung nach Paracetamol-Überdosierung vorherzusagen.

Eine Fallstudie nutzt Multi-omics-gestütztes Machine Learning, um bei Morbus Crohn das Therapieansprechen vorherzusagen und die Ernährungsbehandlung gezielt zu steuern.

Die EU-Kommission holt Stellungnahmen zu Entwürfen für Transparenzpflichten unter dem AI Act ein. Das betrifft vor allem Erklärbarkeit und Kommunikation klinischer KI-Systeme.

Eine Studie zeigt: In der medizinischen Machine-Learning-Fairness bestimmen Datensätze den Ausschlag stärker als der verwendete Algorithmus.

Die US-FDA erweitert die KI-Kompetenzen und schließt eine Datenplattform-Konsolidierung ab, um die Verarbeitung von Evidenz- und Datenflüssen für Medizin-KI zu stärken.

Das CMS startet eine Initiative, um elektronische Prior Authorizations zu beschleunigen – ein Feld, in dem agentische KI-Workflows Genehmigungen und Datenaustausch automatisieren könnten.

Eine Studie zeigt, wie generative KI aus klinischen Texten eine automatisierte Surveillance von Healthcare-Associated Infections unterstützen kann.

Ein klinisch ausgerichteter Primer ordnet KI-Anwendungen in der Krebsdiagnostik von digitaler Pathologie bis Liquid Biopsy ein.

Die britische Gesundheitsbehörde MHRA baut ihre Regulator-Sandbox für „AI as a Medical Device“ aus und stellt dafür 3,6 Millionen Pfund über drei Jahre bereit.

Die RSNA-Ausgabe „Radiology: Artificial Intelligence“ bündelt aktuelle Arbeiten zu KI in der Radiologie, darunter LLMs und agentische Integrations- und Workflow-Themen.

Ein Pilot in Utah sorgt für Streit darüber, ob „AI doctors“ wie regulär zugelassene klinische Akteure zu lizenzieren sind.

Siemens Healthineers erhält die FDA-Zulassung für sechs KI-gestützte Bildgebungssysteme aus dem 'Artis'-Portfolio, die die Effizienz und Bildqualität in der interventionellen Radiologie verbessern.

Bayesian Health hat von der FDA grünes Licht für ihr KI-gestütztes Sepsis-Überwachungssystem erhalten, das frühzeitige Erkennungen erleichtert und die Krankenhaussterblichkeit reduzieren kann.

Ein AMA-CPT-Editorial-Panel schiebt Vorschläge für KI-basierte Imaging-Tools vor, darunter Risiko-Score und quantitative CT, mit Fokus auf Einführung und Erstattung.

Multimodale KI von CSIRO verbessert die Diagnostik von Thorax-Röntgenbildern.

Indisches KI-Modell identifiziert Epilepsie-Biomarker mit hoher Präzision.

Ein LLM-basiertes Tool reduziert die Erstellung von Entlassungsberichten um 50%.

Eine RSNA-Analyse zeigt, dass KI zur Triage normaler Thorax-Röntgenbilder in einem „Silent Trial“ keine zuverlässige Leistung erreichte.

Nature-Studie zeigt, wie konversationelle, multimodale Diagnostik-Systeme medizinische Entscheidungsprozesse unterstützen können.

Die FDA diskutierte auf der ACR 2026 die Aufsicht über KI-gestützte Medizinprodukte und die Einhaltung des Mammography Quality Standards Act (MQSA).

Die FDA hat eine Anfrage nach Informationen veröffentlicht, um Feedback zu einem Pilotprogramm zu sammeln, das den Einsatz von Künstlicher Intelligenz zur Verbesserung von frühen klinischen Studien untersucht.

Bayesian Health erlangt FDA-Zulassung für ein bahnbrechendes KI-System zur Sepsisüberwachung, das eine signifikante Verringerung der Krankenhaussterblichkeit ermöglicht.