KI – vom Arzt verordnet

KI – vom Arzt verordnet

Rackmount-Server für KI-Anforderungen in der Medizinindustrie

In unserem täglichen Leben sind wir zunehmend mit KI-Anwendungen konfrontiert, mit Dingen wie Alexa und Siri oder „Chatbots“, die auf Websites aufpoppen, wenn wir Online-Shopping und Banking betreiben. In den Bereichen Medizin und Gesundheitswesen werden bei der Anwendung der neuesten KI-Techniken, insbesondere Machine Learning, Deep Learning und Neural Networking, erhebliche Fortschritte erzielt.

Bild: ©Monsitj/AdobeStock.com

Sie erinnern sich vielleicht an die großflächig publizierte Geschichte aus dem letzten Jahr über einen führenden Dermatologen in Deutschland, der Hautkrebs-Experten aus der ganzen Welt vor eine interessante Herausforderung stellte: Konnten sie es bei der Diagnose von Bildern potenzieller Melanom-Krebsfälle mit seinem Prototyp eines neuronalen KI-Netzwerksystems aufnehmen? Nur 13 der 58 beteiligten Dermatologen gelang es, den Algorithmus zu schlagen und mehr Fälle von Hautkrebs von harmlosen Muttermalen richtig zu unterscheiden.

KI-fähige Entwicklungen als Unterstützung

KI-fähige Algorithmen, die beispielsweise in der medizinischen Bildgebung und Diagnose eingesetzt werden, können in Sekundenschnelle Ergebnisse erzielen und nicht erst in Stunden oder Tagen. Mögliche Anwendungsgebiete können fast alle Bereiche umfassen, von Tomographie- (MRT, CRT) Systemen über Ultraschalldiagnosegeräte bis hin zu mobilen Geräten für den Einsatz in Diagnose und Pflege. Machine Learning und Deep Learning analysieren Datensätze und lernen daraus, um spezifische Vorhersagen über die Patientenversorgung bei einer wachsenden Anzahl von Erkrankungen zu treffen – von verschiedenen Krebsarten und Demenz bis hin zu Nieren- und Herz-Kreislauf-Erkrankungen. Deep Learning hat eine Art „sechsten Sinn“, der sogar Vorhersagen aus der Entdeckung von Datenmustern entwickelt, die der Mensch sonst übersehen könnte. Je mehr medizinische Daten für die Analyse und Verarbeitung zur Verfügung stehen, desto besser werden KI-fähige Maschinen und Systeme das medizinische Personal bei komplexen analytischen Aufgaben unterstützen können.

Machine Learning und Deep Learning erhöhen Leistungsanforderungen

Medizinische OEMs und Systementwickler benötigen zunehmend leistungsfähigere Plattformen zur Unterstützung ihrer echtzeit- und grafikintensiven medizinischen KI-Lösungen. Um das dafür nötige umfassende Parallel Processing zu ermöglichen, das heute in der medizinischen Bildgebung und KI-gestützten Diagnose gefordert wird, müssen Server mit den neuesten Multicore-CPUs ausgestattet sein. Ein weiterer wichtiger Aspekt ist die Parallelisierung auf GPUs bei KI-fähigen medizinischen Systemen. Hier war die Beschleunigung von Deep-Learning-Algorithmen, auf den branchenführenden GPUs ein wichtiger Meilenstein. Deep Learning profitiert nun stark von der Portierung auf die programmierbaren Grafikprozessoren (GPUs) z.B. von NVIDIA, wodurch die Lernzeit des neuronalen Netzwerksystems von Wochen auf wenige Stunden reduziert wird.

Server von Kontron für KI-basierte medizinische Plattformen

Um diesen Anforderungen an die Rechenleistung und dem enormen Potenzial von KI im Gesundheitswesen gerecht zu werden, hat Kontron kürzlich seinen bisher leistungsfähigsten KISS Rackmount-Server KISS V3 4U SKX vorgestellt. Er verfügt über Dual Intel Xeon SP-Prozessoren, die rechenintensive Echtzeitprozesse zur Analyse großer Datenmengen ermöglichen. Bis zu drei double width High-End-GPU-Karten wie NVIDIATESLAV100 sorgen für eine hohe GPU-Leistung und für erweiterte Speichermöglichkeiten können bis zu acht 2,5″-Laufwerksschächte installiert werden. Wie die anderen KISS-Serverplattformen des Unternehmens basiert auch der leistungsstarke KISS 4U V3 SKX auf Industriestandardkomponenten, die eine einfache Konfiguration und Wartung ermöglichen. Der flexible, modulare Aufbau ermöglicht zudem eine einfache Anpassung an medizinische OEM-Kundenspezifikationen. Entscheidend ist, dass er für den 24/7-Betrieb bei konstant niedrigem Geräuschpegel (~ 35dBA) eingesetzt werden kann, was die Zuverlässigkeit des Systems unterstreicht und den Server damit für den Einsatz in geräuschempfindlichen Bereichen in unmittelbarer Nähe zum Menschen bzw. Patienten qualifiziert. Darüber hinaus ist er auch für raue Umgebungen ausgelegt, geeignet für den Einsatz bei hohen Temperaturen und in mechanisch beanspruchten Bereichen. Ein weiterer Fokus liegt auf langfristiger Verfügbarkeit und hoher Sicherheit. Die Board-, Modul- und Systemprodukte von Kontron werden in der gesamten Medizinindustrie eingesetzt, um Diagnose, Therapie, Patientenüberwachung, Pflege zuhause oder die IT in Kliniken zu optimieren.

Thematik: Allgemein
Ausgabe:
Kontron S&T AG
www.kontron.de

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige