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:
10.08.2026

Junge Entwickler:innen wollen mehr KI nutzen, als Unternehmen erlauben

Eine Befragung unter 1.119 jungen Entwickler:innen zeigt: Fast alle nutzen KI, doch zwei Drittel klagen über organisatorische Bremsen in Unternehmen. Während regulatorische Vorgaben den Einsatz einschränken, warnt der IT-Dienstleister Cloudflight vor den Gefahren von Schatten-IT und dem Abbau von Junior-Stellen.
/artikel/junge-entwicklerinnen-wollen-mehr-ki-nutzen-als-unternehmen-erlauben
10.08.2026

Junge Entwickler:innen wollen mehr KI nutzen, als Unternehmen erlauben

Eine Befragung unter 1.119 jungen Entwickler:innen zeigt: Fast alle nutzen KI, doch zwei Drittel klagen über organisatorische Bremsen in Unternehmen. Während regulatorische Vorgaben den Einsatz einschränken, warnt der IT-Dienstleister Cloudflight vor den Gefahren von Schatten-IT und dem Abbau von Junior-Stellen.
/artikel/junge-entwicklerinnen-wollen-mehr-ki-nutzen-als-unternehmen-erlauben
Junior Developer
(c) True Agency via Unsplash

„Wer glaubt, mit Künstlicher Intelligenz ließen sich Einstiegspositionen einfach streichen, verwechselt das Werkzeug mit der Person, die es sinnvoll einsetzt“, warnt André Holhozinskyj, CEO der europäischen Cloudflight Group. Die Warnung des Branchenexperten stützt sich auf eine aktuelle Befragung, die das Unternehmen durchgeführt hat. Unter den 1.119 Teilnehmenden – mehrheitlich Studierende und Berufseinsteiger:innen aus Deutschland, Österreich und Rumänien – zeigt sich eine weite Verbreitung, aber auch eine spürbare Reglementierung von KI-Tools im Arbeitsalltag.

Während 99 Prozent der befragten Nachwuchskräfte angeben, KI-Werkzeuge regelmäßig zu nutzen, stoßen sie in der Praxis häufig an organisatorische Grenzen. Rund zwei Drittel der Befragten berichten von Einschränkungen bei der Nutzung, die überwiegend organisatorischer Natur sind. Als Haupthindernis nennen 46 Prozent regulatorische Vorgaben wie Richtlinien von Schulen, Universitäten oder Unternehmen. Weit dahinter folgen Kosten und Lizenzgebühren mit 24 Prozent sowie ethische, rechtliche und datenschutzrechtliche Bedenken mit 23 Prozent. Mangelndes Interesse spielt mit nur zwei Prozent praktisch keine Rolle.

Risiko durch Schatten-IT und Compliance-Verstöße

Die restriktive Haltung in vielen Organisationen birgt nach Einschätzung der Studienautor:innen jedoch Risiken: Wird die Nutzung im Unternehmen untersagt oder komplett eingeschränkt, weichen Mitarbeiter:innen häufig auf private Geräte und nicht freigegebene Consumer-Tools aus – ohne Wissen oder Zustimmung der IT-Abteilung.

Gernot Molin, CTO der Cloudflight Group, warnt vor den unmittelbaren Gefahren für die Datensicherheit: „Tools wie ChatGPT, Gemini oder Claude sind nicht für Unternehmenssicherheit oder Compliance konzipiert, sondern für einfachen Zugang, und das schafft unmittelbare Risiken.“ So könnten etwa proprietäre Algorithmen durch das Einfügen von Code-Schnipseln abfließen, oder Entwickler:innen könnten unbeabsichtigt Kundendaten bei der Analyse von Log-Dateien offenlegen. Unternehmen, die an Richtlinien wie DSGVO, HIPAA oder SOC 2 gebunden sind, riskieren laut Molin bei der Verwendung nicht autorisierter Dienste empfindliche Verstöße. Er plädiert daher für eine kontrollierte Freigabe von KI-Werkzeugen, die direkt in bestehende Entwicklungsumgebungen integriert und durch Sicherheitskontrollen sowie Audit-Trails abgesichert sind.

Vielseitige Nutzung abseits von reinem Code

Die Befragung räumt zudem mit dem Vorurteil auf, KI diene primär dem Schreiben von neuem Programmcode. Der Einsatz zur reinen Code-Generierung liegt bei 18 Prozent und ist damit fast gleichauf mit dem Debugging und Code-Reviews (19 Prozent), administrativen und organisatorischen Aufgaben wie Recherche (19 Prozent) sowie der Code-Optimierung (17 Prozent). Dokumentation (12 Prozent) und Testautomatisierung (10 Prozent) folgen mit etwas Abstand.

Den größten Nutzen sehen die Befragten in der Entlastung bei Routinearbeiten. Fast jede:r Zweite (48 Prozent) nutzt KI vor allem zur Bewältigung repetitiver, zeitaufwändiger Aufgaben wie dem Erstellen von Boilerplate-Code oder dem automatisierten Organisieren von Daten. Ziel sei es, so heißt es aus den offenen Antworten der Teilnehmenden, sich dank der KI auf die interessanten Teile der Arbeit konzentrieren zu können. Zudem schätzen 42 Prozent die Tools als eine Art rund um die Uhr verfügbaren Tutor, der komplexe Konzepte erklären kann. Dieser Effekt könnte nach Einschätzung der Studienautoren vor allem in Regionen mit schwächerer Bildungsinfrastruktur den Zugang zu hochwertiger Programmierausbildung demokratisieren.

Zukunftssorgen und die Rolle der Nachwuchskräfte

Trotz der intensiven Nutzung blickt die junge Generation keineswegs sorgenfrei in die Zukunft. Lediglich 12 Prozent der Befragten geben an, keinerlei Sorge hinsichtlich der Auswirkungen von KI auf ihre eigene Karriere zu haben. Die überwiegende Mehrheit von 88 Prozent äußert leichte bis extreme Besorgnis. Neben der allgemeinen Karriereentwicklung sorgt sich ein Teil der Entwickler:innen auch um den eigenen Lernfortschritt: Es besteht die Befürchtung, durch eine zu starke Abhängigkeit von der KI das eigene Weiterkommen zu bremsen und durch die automatisierten Lösungen „dümmer“ zu werden. Viele wünschen sich daher Erklärungen anstelle von fertigen Antworten.

Für Cloudflight-CEO Holhozinskyj zeigt die Untersuchung, dass Unternehmen umdenken müssen. Künstliche Intelligenz müsse wie eine „virtuelle Mitarbeiterin“ verstanden werden, die ein geregeltes Onboarding benötigt. Wer Juniorstellen aus Gründen der kurzfristigen Kostenersparnis streicht, begehe laut Holhozinskyj einen strategischen Fehler: „Urteilsvermögen entsteht nicht am Reißbrett, sondern über Jahre praktischer Erfahrung, auch aus eigenen Fehlern, und genau diese Erfahrung bauen Unternehmen gerade systematisch ab, wenn sie ihre Juniorstellen kürzen.“ Langfristig drohe den Unternehmen dadurch der Verlust der „Senior-Kompetenz von morgen“ an die Konkurrenz, was sich schnell zum mittelfristigen Wettbewerbsnachteil entwickeln könne.

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