ArtikelMoon-Seung SohForschung
LVDD ist eine wesentliche Vorstufe der Herzinsuffizienz mit erhaltener Ejektionsfraktion (HFpEF). Die standardmäßige Diagnose über komplexe Doppler-Echokardiographien erschwert breite Vorsorgeuntersuchungen. Ein KI-Modell auf Basis regulärer EKGs ermöglicht eine einfache Vorsortierung, um gezielt jene Patienten zur Ultraschalluntersuchung zu überweisen, die am meisten davon profitieren.
Mit einem negativen Vorhersagewert von 96,6 % positionieren die Autoren das Modell vor allem als Rule-out-Instrument. Unauffällige Befunde lassen sich verlässlich einstufen, während Patienten mit auffälligem EKG-Score zur Bestätigung mittels Echokardiographie überwiesen werden können. Vor einer praktischen Implementierung muss sich die Generalisierbarkeit der Architektur jedoch in multizentrischen, prospektiven Studien beweisen.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Artikel:Ana-Maria Stanciuc
Forschende des Imperial College London haben ein KI-System entwickelt, das Standard-EKGs in unter zwei Sekunden auswertet. Das Modell erkennt Muster für Herzinsuffizienz und Herzklappenerkrankungen, die von Kardiologen aus diesen Aufzeichnungen nicht direkt abgelesen werden können. Das Verfahren soll vor allem bei der Triage helfen und Wartezeiten auf Fachuntersuchungen verkürzen.
Artikel:Maximilian Beck, Korbinian Pöppel, Markus Spanring, Andreas Auer, Oleksandra Prudnikova, Michael Kopp, Günter Klambauer, Johannes Brandstetter, Sepp Hochreiter
Ein Forschungsteam um Sepp Hochreiter stellt xLSTM vor, eine Weiterentwicklung der klassischen Long Short-Term Memory-Architektur für moderne Large Language Models. Die Erweiterung behebt bisherige Skalierungs- und Parallelisierungsgrenzen von LSTMs und erzielt vergleichbare Ergebnisse zu Transformer- und State-Space-Modellen.
Artikel:Yoel Shoshan, Moshiko Raboh, Michal Ozery-Flato, et al.
Forschende von IBM und Partnerinstitutionen stellen MAMMAL vor, ein multimodales Basismodell für das computergestützte Wirkstoffdesign. Das Modell integriert Protein- und Antikörpersequenzen, kleine Moleküle sowie Genexpressionsprofile in einer einheitlichen Sequenzarchitektur und wurde auf zwei Milliarden Datenpunkten vortrainiert.
Artikel:Kai Zheng
Ein Forschungsteam an der Stanford University um James Zou hat das 'Virtual Lab' entwickelt, ein Multi-Agenten-System, das wissenschaftliche Forschungsprozesse weitgehend autonom durchführt. Spezialisierte KI-Agenten übernehmen dabei Rollen wie Projektleitung, Fachforschung und Kritik, um biomedizinische Entdeckungen und Krebsforschungen massiv zu beschleunigen.
Link:ATH-MaaS
ATH-MaaS hat OvisOCR2 veröffentlicht, ein kompaktes multimodales Modell mit 0,8 Milliarden Parametern zum Dokumenten-Parsing auf Seitenebene. Das Modell basiert auf Qwen3.5-0.8B und wandelt Dokumentbilder direkt in strukturiertes Markdown mit Tabellen, LaTeX-Formeln und Bild-Bounding-Boxes um.
Artikel:Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin
Die Autoren stellen mit dem Transformer eine Netzwerkarchitektur vor, die vollständig auf Rekurrenz und Faltungen verzichtet und stattdessen ausschließlich auf Aufmerksamkeitsmechanismen setzt.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
