25.05.2021

US-Forscher verbessern mittels KI und „Deep Learning“ Erkennung prenataler Herzkrankheiten

US-Forscher haben ein KI-Modell entwickelt, um die Erkennungsrate von fetalen Herzkrankheiten im zweiten Trimester von 30 auf über 90 Prozent zu erhöhen.
/artikel/us-forscher-verbessern-mittels-ki-und-deep-learning-erkennung-prenataler-herzkrankheiten
Herzkrankheiten, Herkrankheit, prenatale Herzkrankheit, CHD,
(c) Stock-Adobe/maya2008 - Forscher aus den USA sprechen von einem großen Sprung beid er Früherkennung von Herzproblemen bei Ungeborenen.

Durchbruch: Biohub-Wissenschaftler rund um Rima Arnaout des „Chan Zuckerberg Biohub“ in Kalifornien – in Kooperation mit dem „Boston Children’s Hospital“ und der „Harvard School of Medicine“ haben eine KI-Technik zum Screening auf angeborene Herzkrankheiten im Ultraschall des zweiten Trimesters entwickelt, die zu 96 Prozent genau ist. Gegenwärtige Ansätze zur Erkennung fetaler Herzprobleme liegen heute bei rund 30 Prozent Genauigkeit. Das KI-Modell der Forscher ist auch schnell genug, um sich in der klinischen Praxis umfassend in Ultraschall-Software integrieren zu lassen.

Herzkrankheiten besser erkennen

Angeborene Herzkrankheiten gelten als der häufigste Geburtsfehler. Fetaler Ultraschall wird weltweit empfohlen, einschließlich fünf Ansichten des Herzens, die zusammen 90 Prozent der Herzkrankheiten erkennen könnten. In der Praxis betrage laut Arnaout die Empfindlichkeit jedoch nur 30 Prozent. „Wir stellten die Hypothese auf, dass schlechte Erkennungsergebnisse auf Herausforderungen bei der Erfassung und Interpretation von Herzansichten in diagnostischer Qualität zurückzuführen sind, und dass ‚Deep Learning‘ die komplexe Erkennung verbessern könnte. Unter Verwendung von 107.823 Bildern aus 1.326 retrospektiven Echokardiogrammen und Untersuchungen von 18 bis 24-wöchigen Feten trainierten wir ein Ensemble neuronaler Netze, um empfohlene Herzansichten zu identifizieren und zwischen normalen Herzen und komplexer Herzkrankheiten zu unterscheiden“, so die Forscherin in ihrem „Paper“.

Lösung in Covid-19-Zeiten

Technisch verwendete das Team Segmentierungsmodelle, um standardmäßige fetale kardiothorakale Messungen zu berechnen. Die Empfindlichkeit blieb laut dem Forschungsteam bei externen Bildern mit geringerer Qualität robust. Herzmessungen korrelierten mit den angegebenen Messungen für normale und abnormale Herzen. Auf die von Richtlinien empfohlene Bildgebung angewendet, sollen Ensemble-Lernmodelle die Erkennung fetaler Herzkrankheiten erheblich verbessern und die Telemedizinoptionen für die Schwangerschaftsvorsorge in einer Zeit erweitern, in der die COVID-19-Pandemie den Zugang der Patienten zu geschulten Anbietern weiter eingeschränkt hat, so die Hoffnung. „Dies ist die erste Anwendung von Deep Learning, um die klinische Standardleistung bei einer kritischen und globalen diagnostischen Herausforderung zu verdoppeln“, so Arnaout weiter.

Für die Forschungsarbeit wurden fetale Echokardiogramme und fetale Untersuchungen – wie geburtshilfliche Anatomiescans im zweiten Trimester, die von Sonographen, Radiologen und Ärzten von 2000 bis 2019 durchgeführt wurden – verwendet. Die Bilder stammten von Ultraschallgeräten von GE, Siemens, Philips und Hitachi. Die Veröffentlichung der Erkenntnisse gilt allerdings noch als „preprint“ und muss als medizinische Forschungsarbeit noch evaluiert werden.

Deine ungelesenen Artikel:
17.09.2026

SCCH will mit neuer Beteiligungsgesellschaft rund 30 Startups aufbauen

Das Software Competence Center Hagenberg (SCCH) verwertet seine Forschung künftig auch über eigene Unternehmensbeteiligungen. Die im Juli gegründete SCCH Innovations GmbH soll bis 2030 und darüber hinaus rund 30 Unternehmen aufbauen, wie CEO Markus Manz gegenüber brutkasten erklärt. Die erste Beteiligung ist bereits fix: das MLOps-Startup LUML eines SCCH-Mitarbeiters.
/artikel/software-competence-center-hagenberg-will-mit-neuer-beteiligungsgesellschaft-rund-30-neue-startups-aufbauen
17.09.2026

SCCH will mit neuer Beteiligungsgesellschaft rund 30 Startups aufbauen

Das Software Competence Center Hagenberg (SCCH) verwertet seine Forschung künftig auch über eigene Unternehmensbeteiligungen. Die im Juli gegründete SCCH Innovations GmbH soll bis 2030 und darüber hinaus rund 30 Unternehmen aufbauen, wie CEO Markus Manz gegenüber brutkasten erklärt. Die erste Beteiligung ist bereits fix: das MLOps-Startup LUML eines SCCH-Mitarbeiters.
/artikel/software-competence-center-hagenberg-will-mit-neuer-beteiligungsgesellschaft-rund-30-neue-startups-aufbauen
Vlnr: Mag. Markus Manz (CEO SCCH Innovations GmbH) und die Gründer*innen von LUML, Nikita Gonchar, Oleh Kostromin und Iryna Kondrashchenko | (c) SCCH

Das Software Competence Center Hagenberg forscht als COMET-Zentrum seit Jahren für Industriepartner wie Siemens, Bosch oder Fronius. Mit der SCCH Innovations GmbH will das oberösterreichische Forschungszentrum seine Ergebnisse zusätzlich auch selbst in Unternehmen überführen, statt sie ausschließlich an Auftraggeber weiterzugeben. „Es war mir immer ein besonderes Anliegen, dass die Ergebnisse unserer Forschung nicht mit dem Abschluss eines Forschungsprojekts enden, sondern ihren Weg in die wirtschaftliche Anwendung finden“, sagt Markus Manz, CEO der SCCH Innovations GmbH.

Rund 30 Unternehmen als Ziel

Im Gespräch mit brutkasten formuliert Manz ein ambitioniertes Zielbild: Rund 30 Beteiligungen sollen bis 2030 und darüber hinaus realisiert bzw. aufgebaut  werden. Die Vision beschreibt er als Unendlichsymbol (∞), welches das Forschungs- und das Gründerökosystem iterativ verbindet. Tiefe Technologien aus der angewandten Forschung sollen in Unternehmensgründungen überführt werden, die Rückflüsse daraus wiederum die Forschung speisen. Es gehe dabei nicht darum, eine App zu entwickeln, betont Manz, sondern darum, tiefe Technologien aus der eigenen Forschung mit Industriepartnern und Universitäten in Unternehmensgründungen zu bringen. Ein vergleichbares Modell, bei dem ein angewandtes Forschungszentrum eine eigene Beteiligungsgesellschaft betreibt, kenne er aus seiner Recherche nicht.

Die Gesellschaft soll zu Beginn mit rund 500.000 Euro kapitalisiert werden. Große Einzelinvestments sind damit nicht geplant: Die Ticketgröße für Erstinvestments liegt laut Manz bei maximal 100.000 Euro. Das Startkapital soll Gründer:innen helfen, die erste Phase zu überbrücken, Förderungen einzureichen und das Produkt weiterzuentwickeln. Noch heuer sind drei weitere Beteiligungen geplant, zwei davon im Deep-Tech-Bereich und eine im Dienstleistungsbereich, um schneller rekapitalisieren zu können.

Die Wege in den Markt

Die SCCH Innovations GmbH verfolgt mehrere Beteiligungsmodelle. Bei klassischen Spinoffs aus Forschungsprojekten setzt das Forschungszentrum bewusst auf externe, erfahrene Gründer:innen statt auf die eigenen Forscher:innen. Diese erhalten die Mehrheit der Anteile, während sich das SCCH einen bis zu einem vereinbarten Unternehmenswert nicht verwässerbaren Minderheitsanteil sichert. Dazu kommen Joint Ventures mit Unternehmenspartnern, etwa die gemeinsam mit TÜV AUSTRIA gegründete TRUSTIFAI, der österreichische Prüf- und Zertifizierungshub für KI-Systeme, sowie strategische Beteiligungen ohne Kapitalfluss.

Das vierte Modell heißt Research for Equity: Das SCCH bringt Forschungs- und Entwicklungsleistungen in ein Startup ein und erhält dafür, ganz oder teilweise anstelle einer klassischen Vergütung, Unternehmensanteile. „Mit diesen unterschiedlichen Modellen schafft die SCCH Innovations GmbH neue Möglichkeiten für den Transfer von Forschungsergebnissen in die Wirtschaft“, so Manz.

Erste Beteiligungen

Wie das in der Praxis aussieht, zeigt die erste Beteiligung der neuen Gesellschaft. Oleh Kostromin, Data Scientist am SCCH, hat gemeinsam mit Iryna Kondrashchenko und Nikita Gonchar die LUML FlexCo gegründet. Die entwickelte Plattform soll Data Scientists helfen, Machine-Learning-Modelle schneller in die Praxis zu bringen, und ist von Anfang an darauf ausgelegt, dass Menschen und KI-Agenten gemeinsam an ML-Projekten arbeiten. „LUML läuft auf der Infrastruktur des jeweiligen Unternehmens. Die Daten und Modelle verlassen die Unternehmensumgebung nicht“, sagt Kostromin.

An LUML hält die SCCH Innovations GmbH auf brutkasten-Nachfrage fünf Prozent, als reine strategische Beteiligung ohne Kapitalfluss. Laut Manz bringt das SCCH dafür vor allem Zugang zu seinem Industrienetzwerk, eine gemeinsame Vermarktungskampagne und Mitarbeiterstunden ein und setzt die Plattform in eigenen Forschungsprojekten ein. Zusätzliches Kapital habe das Startup nicht benötigt, weil das Produkt bereits fertig entwickelt war. Der bewusst niedrige Anteil soll LUML für spätere Investoren attraktiv halten. Das Wachstum soll vorerst gebootstrapped erfolgen, je nach Entwicklung sind laut SCCH aber auch eigene Finanzierungsrunden denkbar.

Das SCCH gehört als Mitglied des UAR Innovation Network zu den Beteiligungsgesellschaften der Upper Austrian Research GmbH und beschäftigt derzeit rund 130 Mitarbeiter:innen. Bereits im Jänner hatte sich das Forschungszentrum am KI-Spin-off Responsible Annotation Services beteiligt (brutkasten berichtete) und hält weitere Beteiligungen, die zukünftig auf die SCCH Innovations GmbH übertragen werden sollen.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

US-Forscher verbessern mittels KI und „Deep Learning“ Erkennung prenataler Herzkrankheiten

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

US-Forscher verbessern mittels KI und „Deep Learning“ Erkennung prenataler Herzkrankheiten

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

US-Forscher verbessern mittels KI und „Deep Learning“ Erkennung prenataler Herzkrankheiten

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

US-Forscher verbessern mittels KI und „Deep Learning“ Erkennung prenataler Herzkrankheiten

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

US-Forscher verbessern mittels KI und „Deep Learning“ Erkennung prenataler Herzkrankheiten

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

US-Forscher verbessern mittels KI und „Deep Learning“ Erkennung prenataler Herzkrankheiten

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

US-Forscher verbessern mittels KI und „Deep Learning“ Erkennung prenataler Herzkrankheiten

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

US-Forscher verbessern mittels KI und „Deep Learning“ Erkennung prenataler Herzkrankheiten

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

US-Forscher verbessern mittels KI und „Deep Learning“ Erkennung prenataler Herzkrankheiten