Sind Sie Entwickler oder Datenwissenschaftler?

Hier finden Sie optimierte Frameworks und Bibliotheken,1 nehmen Sie an KI-Kursen teil und erkunden Sie Community-Projekte, die auf Intel® Plattformen basieren.

Besuchen Sie die Intel® Developer-Zone ›

Entwickeln und testen Sie Ihre KI-Workloads kostenlos auf der neuesten Intel® Hardware mit integrierten, optimierten Frameworks, Tools und Bibliotheken.

Besuchen Sie die Intel® DevCloud ›

Verbesserung der Gesundheit aller mit künstlicher Intelligenz

Technologie kann das Leben eines jeden Menschen bereichern, insbesondere wenn sie das Potenzial hat, Krankheiten vorzubeugen, zu behandeln und zu heilen. Intel arbeitet mit führenden Unternehmen im Technologieumfeld zusammen, um die Gesundheits- und Biowissenschaften zu revolutionieren, unabhängig davon, ob es die Entdeckung von Arzneimitteln beschleunigt, um die pharmazeutische Entwicklung zu beschleunigen oder den Zugang zur Gesundheitsversorgung und die Erschwinglichkeit zu verbessern. Der Einsatz künstlicher Intelligenz (KI) im Gesundheitswesen – einschließlich Computer Vision, maschinellem Lernen und Deep Learning – spielt bei diesem Ziel eine entscheidende Rolle. In Kombination mit einer starken Infrastruktur für das Datenmanagement kann die KI Forschern und Gesundheitssystemen helfen, schnell Erkenntnisse aus riesigen Datenmengen zu gewinnen, auf die zuvor aufgrund von Datensilos nicht zugegriffen werden konnte.

Wie wird KI im Gesundheitswesen eingesetzt?

KI kann es automatisierten Systemen ermöglichen, medizinische Bilder auf Anomalien auszuwerten, die Vitalfunktionen von zahlreichen Patienten zu überwachen und ggf. Ärzte zu alarmieren, damit diese intervenieren können. Mit KI lassen sich betriebliche und klinische Arbeitsabläufe verbessern und Daten aus vielen verschiedenen Quellen integrieren, damit Kliniker fundiertere Entscheidungen treffen können. Forscher nutzen KI, um die Wirkstoffentdeckung, den Einsatz gezielter Therapeutika und das Management von Infektionskrankheiten zu unterstützen. Weitere Beispiele für KI im Gesundheitswesen und in den Biowissenschaften sind Laborautomatisierung, Robotik und KI-gestützte Telemedizin.

Vorteile der KI im Gesundheitswesen

KI verbessert die Produktivität durch Automatisierung von Aufgaben und kann Ärzten bei schnellen, genauen Diagnosen und Behandlungen helfen.2 Künstliche Intelligenz in der Radiologie kann die Rechenzeit reduzieren, die zur Erzeugung von Bildern benötigt wird. In Bezug auf die Gesundheit der Bevölkerung kann maschinelles Lernen dazu beitragen, die Wahrscheinlichkeit einer erneuten Krankenhauseinlieferung zu ermitteln. KI in der Arzneimittelentwicklung kann zur Entdeckung neuer Medikamente führen. KI kann es auch ermöglichen, Daten aus mehreren Quellen wie Krankenakten und Vitalfunktionen zu erfassen und Muster zu identifizieren, die für Menschen schwer zu erkennen sind.

Intel KI im Gesundheitswesen und in den Biowissenschaften

Die Arbeit von Intel in der KI hilft Experten der Gesundheitsbranche, einige der dringendsten Herausforderungen anzugehen. Dazu zählen:

  • Präzisionsmedizin – KI kann unstrukturierte und strukturierte Gesundheitsdaten wie Genomikdatensätze verstehen, die für die Weiterentwicklung der Präzisionsmedizin von entscheidender Bedeutung sind. Dieser Ansatz für die Versorgung konzentriert sich auf die einzigartigen Genom- und Gesundheitsinformationen des Patienten.
  • Klinische Systeme – KI kann dabei helfen, Rohdaten in neue Erkenntnisse umzuwandeln, die die Behandlungspläne in jeder Phase des Patientenweges beeinflussen. KI kann auch Strategien zur Fernversorgung wie Telemedizin und Robotik unterstützen, die in stationären und ambulanten Umgebungen angewendet werden.
  • Pharmazeutische Prozesse – KI kann eine wichtige Rolle bei der Arzneimittelentwicklung spielen und die Entdeckung von Verbindungen transformieren.
  • Medizinische Bildgebung – KI kann die medizinische Bildqualität verbessern und Klinikern helfen, Bilder schnell und genau auszuwerten.

Intel bietet eine Reihe flexibler, skalierbarer und offener Hardware für alle Rechenanforderungen, von VPUs mit geringem Stromverbrauch bis hin zu hochleistungsfähigen CPUs. Software-Tools wie die Intel® Distribution des OpenVINO™ Toolkits machen die Arbeit mit verschiedenen Hardware-Backends überflüssig, sodass Sie Code einmal schreiben und überall bereitstellen können.

Anwendungsfälle für KI im Gesundheitswesen und in den Biowissenschaften

Künstliche Intelligenz in der Medizin, in der pharmazeutischen Forschung und in anderen Bereichen des Gesundheitswesens kann dazu beitragen, die Patientenversorgung sowie die allgemeine Gesundheit der Bevölkerung zu verbessern.² Im Gesundheitswesen eingesetztes Deep Learning und maschinelles Lernen optimieren heute die Arbeitsbelastung für das medizinische Fachpersonal, informieren über personalisierte Behandlungspläne und verbessern die Versorgung und das Gesamtumfeld für Patienten.

KI in der medizinischen Bildgebung

Von der Reduzierung der Rechenzeit, die zum Generieren von Bildern aus CT-Scans benötigt wird, bis zur Durchführung von Echtzeit-Inferenzen mit endoskopischen Kameras optimiert die KI die Arbeitsabläufe und verbessert die Pflege.

Informieren Sie sich über KI in der medizinischen Bildgebung

Präzisionsmedizin

Mithilfe der Präzisionsmedizin verwenden Kliniker neben anderen Patientendaten auch Genomanalysen, um die Versorgung individuell anzupassen und die richtige Behandlung für jeden einzelnen Patienten bereitzustellen.

Erfahren Sie mehr über Präzisionsmedizin

Siehe Intel® Select Lösungen für Genomanalysen

Vorausschauende Analyse

Vorausschauende Analysen können den Gesundheitssystemen helfen, Trends zu verstehen, vorauszusehen, wann und wo Pflege benötigt wird, und ihre Strategien für die Gesundheit der Bevölkerung zu verbessern.

Lesen Sie mehr über vorausschauende Analysen im Gesundheitswesen

Laborautomatisierung

Maschinelles Sehen und andere Arten der KI steigern sowohl die Geschwindigkeit als auch die Genauigkeit in der Laborautomatisierung.3 Patienten können Diagnosen schnell erhalten und neue Arzneimittel lassen sich schnell testen, was Durchbrüche in der pharmazeutischen Entwicklung ermöglicht.

Lesen Sie mehr über die Laborautomatisierung

KI-gestützte Robotik

In Krankenhäusern und Pflegeeinrichtungen unterstützen Roboter die Operation, optimieren die Versorgung und Desinfektion des Verbrauchsmaterials und helfen den medizinischen Fachkräften, sich mehr auf den Patienten zu konzentrieren.

Informieren Sie sich über Robotik im Gesundheitswesen

KI in der Telemedizin

KI-gestützte Telemedizin kann Klinikern helfen, eine zeitnahe Versorgung bereitzustellen und die ambulante Überwachung zu verbessern. Beispiele hierfür sind personalisierte Erinnerungen, Zustandsüberprüfungen basierend auf Überwachungsdaten und dynamische Eingabeaufforderungen bei virtuellen Besuchen.

Lesen Sie mehr über Telemedizin

GE Healthcare beschleunigt die MRT-Bildgebung mit KI

Das Artificial Intelligence Prescription (AIRx) Tool von GE Healthcare automatisiert einige der manuellen Schritte, die beim MRT-Scannen nötig sind. Es bietet auch eine konsistente Scanausrichtung, mit der Ärzte einen Patienten über mehrere Monate hinweg überwachen können. Durch die Verwendung von Softwareoptimierungen, einschließlich der Intel® Distribution des OpenVINO™ Toolkits, konnte GE Healthcare die Inferenzzeit von AIRx auf einer Plattform mit Intel® Xeon® Prozessor ohne zusätzliche Kosten für Beschleuniger von 2,85 Sekunden auf 0,659 Sekunden reduzieren.4

Weitere Informationen › 

Erfolgsstorys von Kunden


Philips Healthcare beschleunigt Algorithmen für die Magnetresonanztomographie (MRT)

Philips Healthcare nutzt die Intel® Distribution des OpenVINO™ Toolkits und die Intel® DevCloud for the Edge zur Beschleunigung komprimierter sensorischer Workloads für seine MRT-Scanner auf skalierbaren Intel® Xeon® Prozessoren mit der benutzerdefinierten Erweiterungsfunktion des Toolkits.

Praxisbeispiel lesen

TGen wendet High-Performance-Computing auf die Genforschung an

Die nächste Phase der personalisierten Medizin wird auf KI beruhen, um die Geschwindigkeit und Effizienz von Genomanalysen zu erhöhen. Das Translational Genomics Research Institute (TGen) hat einen für die Biowissenschaften optimierten HPC-Cluster (High Performance Computing) mit skalierbaren Intel® Xeon® Prozessoren und Intel® Optane™ Speicher entwickelt.

Kundenstory lesen

GE Healthcare hilft Mitarbeitern bei der Triage von lebensbedrohlichen Fällen

GE Healthcare hat einen KI-Algorithmus in Röntgenbildgebungsgeräte eingebettet, um kritische Fälle zu markieren und Radiologen auf die Notwendigkeit einer sofortigen Triage aufmerksam zu machen. Die Intel® Distribution des OpenVINO™ Toolkits verbesserte die Leistungsfähigkeit des Algorithmus und verkürzte die Zeit für die Analyse einer Röntgenaufnahme von mehr als drei Sekunden auf weniger als eine Sekunde.5, 6

Kundenstory lesen

Akara Prototypen KI-gestützter Desinfektionsroboter

Als Proof of Concept entwickelte Akara einen autonomen Prototyp eines Virus abtötenden Roboters, um kontaminierte Oberflächen in Krankenhäusern mit UV-Licht zu desinfizieren. Der Roboter basiert auf einer Intel® Movidius™ Myriad™ X-VPU und navigiert um Personen herum. Akara hat sich das Ziel gesetzt, Krankenhäuser im Kampf gegen COVID-19 bei der Desinfektion von Räumen und Geräten zu unterstützen.

Erfahrungsbericht lesen

Cerner Patient Observer zentralisiert die stationäre Überwachung

Das Pflegepersonal an vorderster Front muss oft viele Patienten mit unterschiedlichen Bedürfnissen versorgen. Mit dem Cerner Patient Observer können Techniker an einer zentralen Station Patienten an mehreren Standorten überwachen und dazu beitragen, Stürze zu vermeiden. Die Lösung verfügt über eine Intel® RealSense™ Kamera für die 3D-Tiefenerkennung – auch im Dunkeln.

Weitere Infos

Entwickeln und Bereitstellen von KI-Systemen


Hier finden Sie Dokumentationen und Beispiele aus der Praxis, die zeigen, wie Gesundheitssysteme und Wissenschaftler KI in ihre Arbeitsabläufe übernommen und integriert haben.

Beschleunigte Innovation im KI-Technologieumfeld

Intel® AI: In Production

KI am Netzwerkrand ermöglicht Echtzeit-Anwendungsfälle im Gesundheitswesen und in den Biowissenschaften. Erfahren Sie, wie die Partner und Lösungen von Intel für Gesundheits- und Biowissenschaften dies mithilfe von Intel® IoT RFP Ready Kits und Intel® IoT Market Ready Solutions ermöglichen.

Besuchen Sie Intel® KI: In Production – für Gesundheits- und Biowissenschaften

Intel® AI Builders

Intel® AI Builders bringt unabhängige Softwareanbieter (ISVs), Systemintegratoren, Originalgerätehersteller (OEMs) und Endbenutzer von Unternehmen zusammen. Mitglieder erhalten Zugriff auf technische Unterstützungsressourcen und Co-Marketing-Möglichkeiten, um die Einführung von KI in der Cloud voranzutreiben.

Besuchen Sie Intel® AI Builders

Intel® IoT RFP Kits

Diese RFP-fähigen Hardware-, Software- und Support-Pakete ermöglichen die Entwicklung innovativer Lösungen im Gesundheitswesen und in den Biowissenschaften. Sie wurden vor Ort getestet und sind darauf ausgelegt, mit den Kundenbedürfnissen zu wachsen.

Siehe Intel® IoT RFP Ready Kits

Intel® Select Lösungen für KI

Diese für die Arbeitslast optimierten Lösungskonfigurationen können in einer Reihe von Anwendungsfällen für das Gesundheitswesen und die Biowissenschaften eingesetzt werden, einschließlich Genomanalysen.

Intel® Select Lösungen für KI anzeigen

Intel® IoT Market Ready Solutions

Diese End-to-End-IoT-Lösungen werden durch das Partner-Ökosystem von Intel ermöglicht, das für datenintensive Workloads optimiert ist. Die Lösungen sind anpassungsfähig, geprüft und bereit für die Implementierung.

Erfahren Sie mehr über Intel® IoT Market Ready Solutions

Finden Sie KI-Lösungen für das Gesundheitswesen und die Biowissenschaften


Hinweise und Disclaimer

In Leistungstests verwendete Software und Workloads können speziell für die Leistungseigenschaften von Intel® Mikroprozessoren optimiert worden sein.

Leistungstests wie SYSmark und MobileMark werden mit spezifischen Computersystemen, Komponenten, Softwareprogrammen, Operationen und Funktionen durchgeführt. Jede Veränderung bei einem dieser Faktoren kann abweichende Ergebnisse zur Folge haben. Für eine umfassende Bewertung Ihrer vorgesehenen Anschaffung, auch im Hinblick auf die Leistung des betreffenden Produkts in Verbindung mit anderen Produkten, sollten Sie zusätzliche Informationen und Leistungstests heranziehen. Ausführlichere Informationen finden Sie unter www.intel.de/benchmarks.

Die Leistungswerte basieren auf Tests, die mit den in den Konfigurationen angegebenen Daten durchgeführt wurden. Sie spiegeln möglicherweise nicht alle öffentlich verfügbaren Updates wider. Einzelheiten zur Konfiguration siehe Backup. Kein Produkt und keine Komponente bieten absolute Sicherheit.

Für die Funktion bestimmter Technik von Intel® kann entsprechend konfigurierte Hardware, Software oder die Aktivierung von Diensten erforderlich sein.

Intel hat keinen Einfluss auf und keine Aufsicht über die Daten Dritter. Sie sollten andere Quellen heranziehen, um die Genauigkeit zu beurteilen. Ihre Kosten und Ergebnisse können variieren.

Produkt- und Leistungsinformationen

1Unter Umständen können Intel® Compiler bei Optimierungen, die nicht spezifisch für Mikroprozessoren von Intel sind, das gleiche Optimierungsniveau auch für nicht von Intel stammende Mikroprozessoren bieten. Zu diesen Optimierungen gehören Befehlssätze für SSE2, SSE3 und SSSE3 sowie weitere Optimierungen. Intel übernimmt keine Garantie für die Verfügbarkeit, Funktionalität oder Wirksamkeit von Optimierungen für Mikroprozessoren, die nicht von Intel hergestellt wurden. Mikroprozessorabhängige Optimierungen in diesem Produkt sind für die Anwendung in Verbindung mit Intel® Mikroprozessoren bestimmt. Bestimmte, nicht für die Intel-Mikroarchitektur spezifische Optimierungen sind für Intel® Mikroprozessoren reserviert. Entnehmen Sie bitte weitere Informationen zu den spezifischen Befehlssatzerweiterungen, auf die dieser Hinweis zutrifft, den entsprechenden Benutzer- und Referenzhandbüchern.
2„Das Potenzial für künstliche Intelligenz im Gesundheitswesen“, Juni 2019, Future Healthcare Journal, ncbi.nlm.nih.gov/pmc/articles/PMC6616181/.
3

„Vorteile und Einschränkungen der gesamten Laborautomation: eine persönliche Übersicht“, Clinical Chemistry and Laboratory Medicine (CCLM), Februar 2019, degruyter.com/view/journals/cclm/57/6/article-p802.xml.

4Konfigurationen: Das ursprüngliche Modell wurde mit TensorFlow 1.6 für Python 2.7 ohne Intel® Optimierungen trainiert und von GE Healthcare zu OpenVINO™ 2018 R4 konvertiert. Zum Testen verwendete Hardware und Konfigurationen: GE Gen6-P Bild-Rechenknoten 3.10.0-862.el7.x86_64; Prozessor: Intel® Xeon® Prozessor E5-2680 v3; Geschwindigkeit; 2,5 GHz; Kerne: 12 Kerne pro Sockel, Docker-Container hat Zugriff auf 22 CPU-Kerne; Sockel: zwei; RAM: 96 GB (DDR4); Hyperthreading: aktiviert; Sicherheitsupdates: Spectre- und Meltdown-Updates angewendet. Zum Testen verwendete Software: TensorFlow Version: 1.6 ohne Intel® MKL-DNN Optimierungen; Gcc Version: 2.8.5; Python Version: 2.7; OpenVINO™ Version: 2018 R4 Modell-Server v0.2); OS: HeliOS 7.4 (Nitrogen).
5Unter Umständen können Intel® Compiler bei Optimierungen, die nicht spezifisch für Mikroprozessoren von Intel sind, das gleiche Optimierungsniveau auch für nicht von Intel stammende Mikroprozessoren bieten. Zu diesen Optimierungen gehören Befehlssätze für SSE2, SSE3 und SSSE3 sowie weitere Optimierungen. Intel übernimmt keine Garantie für die Verfügbarkeit, Funktionalität oder Wirksamkeit von Optimierungen für Mikroprozessoren, die nicht von Intel hergestellt wurden. Mikroprozessorabhängige Optimierungen in diesem Produkt sind für die Anwendung in Verbindung mit Intel® Mikroprozessoren bestimmt. Bestimmte, nicht für die Intel-Mikroarchitektur spezifische Optimierungen sind für Intel® Mikroprozessoren reserviert. Entnehmen Sie weitere Informationen zu den spezifischen Befehlssatzerweiterungen, auf die dieser Hinweis zutrifft, bitte den entsprechenden Benutzer- und Referenzhandbüchern.
6Bekanntgabe der Konfiguration für den Systemtest: Intel® Core™ i5-4590S CPU mit 3,00 GHz, x86_64, VT-x-gestützt, 16 GB Arbeitsspeicher, OS: Linux magic x86_64 GNU/Linux, Ubuntu-16.04-Docker-Container für Inferenzdienst. Getestet durch GE Healthcare, September 2018. Der Test vergleicht die mit dem TensorFlow-Modell gemessene Gesamtinferenzzeit von 3,092 Sekunden mit demselben Modell, das mit der Intel® Distribution des OpenVINO™ Toolkits optimiert wurde und eine Gesamtinferenzzeit von 0,913 Sekunden erzielte.