Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind30. August 2016 · Q001887

Applying machine learning to radiotherapy planning for head & neck cancer

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

DeepMind und UCLH wollen anhand anonymisierter Scans von bis zu 700 früheren Patienten untersuchen, ob maschinelles Lernen die aufwendige Segmentierung für die Strahlentherapie bei Kopf-Hals-Krebs verkürzen kann. Die erhoffte Reduktion von bis zu vier auf etwa eine Stunde ist ein Forschungsziel, kein berichtetes Ergebnis; Behandlungsentscheidungen sollen bei den klinischen Fachkräften bleiben.

Mittel

Der Beitrag kündigt eine Partnerschaft zwischen DeepMind und der Radiotherapie-Abteilung des UCLH an. Sie soll untersuchen, ob maschinelles Lernen die Planung der Strahlentherapie bei Kopf-Hals-Krebs beschleunigen kann. Weil Tumoren dort nahe an empfindlichen Organen und Nerven liegen können, müssen Fachkräfte die zu behandelnden und zu schonenden Bereiche auf CT-Aufnahmen detailliert abgrenzen. Diese Segmentierung dauere laut Beitrag bis zu vier Stunden.

Analysiert werden sollen anonymisierte Scans von bis zu 700 früheren Patientinnen und Patienten. Als Ziel wird eine mögliche Verkürzung der Segmentierung auf etwa eine Stunde genannt. Die Behandlungsentscheidungen sollen weiterhin Klinikerinnen und Klinikern obliegen. Langfristig erhofft sich der Beitrag mehr Zeit für Versorgung, Lehre und Forschung sowie ein Verfahren, das eventuell auch für andere Körperregionen nutzbar wäre. Die Studie ist ausdrücklich explorativ; konkrete Ergebnisse oder ein Nachweis der erhofften Zeitersparnis werden nicht berichtet. Das gezeigte CT-Bild ist laut Bildunterschrift lediglich ein Beispiel und gehört nicht zu den geteilten Scans.

Ausführlich lesen

Der Beitrag kündigt eine Forschungspartnerschaft zwischen DeepMind und der Radiotherapie-Abteilung des University College London Hospitals (UCLH) an. Untersucht werden soll, ob maschinelles Lernen die Planung einer Strahlentherapie bei Kopf-Hals-Krebs effizienter machen kann.

Zur Begründung beschreibt der Beitrag die schwierige Lage im Kopf- und Halsbereich: Tumoren können nahe an empfindlichen Organen und Nerven liegen. Vor der Bestrahlung müssen Fachkräfte deshalb in CT-Aufnahmen die zu behandelnden Bereiche und zu schonenden Strukturen detailliert abgrenzen. Diese Segmentierung dauere bei solchen Krebserkrankungen laut Beitrag häufig bis zu vier Stunden.

Für die Untersuchung sollen anonymisierte Scans von bis zu 700 früheren UCLH-Patientinnen und -Patienten analysiert werden. Ziel ist es, das Potenzial maschineller Lernverfahren für eine schnellere Bestrahlungsplanung zu prüfen. Der Beitrag stellt eine Verkürzung der Segmentierung auf etwa eine Stunde als erhoffte Möglichkeit dar, nicht als bereits erzieltes Ergebnis. Die Entscheidung über den konkreten Behandlungsplan soll weiterhin bei den klinischen Fachkräften liegen.

Als mögliche langfristige Vorteile nennt der Beitrag mehr Zeit für die Patientenversorgung, Lehre und Forschung sowie die Entwicklung eines Segmentierungsverfahrens, das sich möglicherweise auch auf andere Körperregionen übertragen ließe. Für die Datennutzung sagt DeepMind zu, die Scans vor der Weitergabe gemäß den Datenschutz- und Informationsverwaltungsregeln des UCLH zu anonymisieren und sorgfältig zu behandeln.

Der Bericht beschreibt ausdrücklich eine explorative Forschungsarbeit. Er enthält keine Ergebnisse zur Genauigkeit oder tatsächlichen Zeitersparnis eines entwickelten Verfahrens und belegt nicht, dass die erhofften Vorteile erreicht wurden. Auch die mögliche Übertragbarkeit auf andere Körperregionen wird als Perspektive formuliert. Das beigefügte CT-Bild dient laut Bildunterschrift nur der Veranschaulichung und stammt nicht aus den mit DeepMind geteilten Aufnahmen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Zusammenfassungen (kurz und mittel) geben den Bericht treu wieder, nur fehlt die Anonymisierungspflicht der Scans. Bei der Einordnung liegt Luna bei SF-H3 zu hoch (Stufe 4 statt 1), bei SF-E4 zu hoch (Stufe 3 statt 2). SF-E5 stimmt mit Stufe 4 überein. Teilfragen waren nicht angegeben.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Scans werden vor der Weitergabe an DeepMind gemäß der Informationssicherheitsrichtlinie des UCLH anonymisiert, und DeepMind verweist auf seinen eigenen Umgang mit Gesundheitsdaten.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 41 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 35 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 39 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 39 %einzelne zitierbare Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 54 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 59 %Hintergrund, keine Belege
    • JEV 28 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 31 %einzelne zitierbare Belege
    • JEV 50 %einzelne zitierbare Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →