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.

Samsung kooperiert mit Intel, um die Erkennung von Nerven zu beschleunigen und Arbeitsabläufe zu verbessern

Samsung Medison hat mit Intel zusammengearbeitet, um die Erkennung von Nerven zu beschleunigen und Arbeitsabläufe zu verbessern. NerveTrack nutzt die Intel® Distribution des OpenVINO™ Toolkits zur Erkennung und Identifikation von Nerven während des Ultraschalls. Die Echtzeit-Inferenz von Ultraschall-Nervenbildern verbessert die Genauigkeit für Anästhesisten bei der Suche nach schwer zu findenden Nerven.

Weitere Informationen › 

Erfolgsstorys von Kunden


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.

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).
5Bekanntgabe 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.