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
deepmind4. Oktober 2018 · Q005008

Expanding our research on breast cancer screening to Japan

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

DeepMind und das Jikei University Hospital wollen anonymisierte Brustbilddaten aus Japan und Großbritannien nutzen, um zu untersuchen, ob KI Krebsanzeichen auf Mammografien besser erkennen kann und Verzerrungen verringert. Der Bericht nennt noch keine Ergebnisse; die Forschung steht am Anfang, und die Angaben zu Datenschutz und möglichem Nutzen sind Aussagen beziehungsweise Erwartungen der Beteiligten.

Mittel

Der Bericht kündigt an, dass das Jikei University Hospital in Tokio einer fünfjährigen Partnerschaft mit DeepMind Health beitritt und damit eine britisch-japanische Forschung zur KI-gestützten Brustkrebsfrüherkennung erweitert. Untersucht werden soll, ob maschinelles Lernen Krebsanzeichen auf Mammografien wirksamer als bestehende Screeningverfahren erkennt. Dafür sollen historische, anonymisierte Mammografien von rund 30.000 Frauen aus dem Jikei-Krankenhaus (2007 bis 2018) gemeinsam mit Daten aus der britischen OPTIMAM-Datenbank analysiert werden. Im Projektverlauf sind außerdem anonymisierte Ultraschallbilder von rund 30.000 Frauen und 3.500 Brust-MRT-Aufnahmen aus Japan vorgesehen.

DeepMind zufolge soll die Nutzung von Daten aus mehreren Ländern helfen, Verzerrungen zu verringern, weil sich Bevölkerungsgruppen etwa in der Brustdichte unterscheiden können. Der Beitrag erklärt, dass unzureichend repräsentative Trainingsdaten zu übersehenen oder falsch erkannten Tumoren führen könnten. DeepMind sagt, die Daten blieben unter der Kontrolle der Partner, würden sicher und verschlüsselt gespeichert und vor der Analyse de-identifiziert. Die Forschung steht laut Bericht noch am Anfang: Ergebnisse oder Belege für eine verbesserte Erkennung werden nicht berichtet. Eine Ausweitung auf weitere Länder und andere Bildgebungsverfahren bleibt eine Perspektive.

Ausführlich lesen

Der Bericht beschreibt die Ausweitung einer von DeepMind unterstützten Forschung zur KI-gestützten Brustkrebsfrüherkennung auf Japan. Sechs Monate zuvor hatte DeepMind eine Zusammenarbeit unter Leitung des Cancer Research UK Imperial Centre am Imperial College London angekündigt. Ziel der Forschung ist zu untersuchen, ob maschinelles Lernen Ärztinnen und Ärzten helfen kann, Brustkrebs auf Mammografien schneller und zuverlässiger zu erkennen. Der Beitrag verweist auf die weltweite Belastung durch Brustkrebs und bezeichnet die genaue Erkennung und Diagnose weiterhin als schwierig. Die genannten jährlichen Erkrankungs- und Todeszahlen sind Angaben des Berichts.

Neu beteiligt sich das Jikei University Hospital in Tokio. Laut Beitrag geschieht dies im Rahmen einer fünfjährigen Partnerschaft mit DeepMind Health. Für die Untersuchung sollen historische, anonymisierte Mammografien von rund 30.000 Frauen analysiert werden, die zwischen 2007 und 2018 am Krankenhaus aufgenommen wurden. Sie sollen gemeinsam mit historischen, ebenfalls anonymisierten Mammografien aus der britischen OPTIMAM-Datenbank ausgewertet werden. Untersucht werden soll, ob die KI auf den Röntgenbildern Anzeichen von Krebsgewebe besser erkennen kann als die derzeitigen Screeningverfahren. Zusätzlich sollen im Projektverlauf anonymisierte Brustultraschallbilder von rund 30.000 Frauen und 3.500 Brust-MRT-Aufnahmen aus dem Jikei-Krankenhaus bereitgestellt werden. Der Bericht beschreibt diese Bilddaten als Teil des Vorhabens; Ergebnisse einer Auswertung nennt er noch nicht.

Ein Schwerpunkt ist die Verringerung möglicher Verzerrungen. DeepMind erklärt, dass Trainingsdaten bestimmte Bevölkerungsgruppen unzureichend abbilden oder ausschließen können, etwa nach Alter, ethnischer Zugehörigkeit oder Geschlecht. Das könne dazu führen, dass ein KI-System den Bedürfnissen dieser Gruppen nicht gerecht werde. Der Beitrag führt Unterschiede der Brustdichte zwischen ethnischen Gruppen als Beispiel an: Wenn solche Unterschiede im System nicht berücksichtigt würden, könnten Tumore falsch erkannt oder übersehen werden. Die Einbeziehung von Daten aus Großbritannien und Japan soll nach Darstellung des Unternehmens helfen, repräsentativere Datensätze zu schaffen und Verzerrungen zu reduzieren. Eine spätere Ausweitung auf weitere internationale Partner wird als Hoffnung formuliert, nicht als bereits umgesetzter Schritt.

Zum Datenschutz versichert DeepMind, die Daten blieben vollständig unter der Kontrolle der Partner und würden nach hohen Sicherheits- und Verschlüsselungsstandards gespeichert. Personenbezogene Informationen würden vor der Übertragung entfernt, sodass Forschende die Daten erst nach der De-Identifizierung analysieren könnten. Diese Schutzmaßnahmen gibt der Beitrag als Vorgehen des Projekts wieder.

Der Bericht betont ausdrücklich, dass die Forschung noch am Anfang steht. Er enthält keine Ergebnisse, die einen verbesserten Erkennungserfolg belegen, und weist keine nachgewiesene Verringerung von Verzerrungen aus. Die mögliche Nutzung von KI für andere Formen der Brustbildgebung und ein weltweiter Nutzen werden als langfristige Perspektiven beziehungsweise Hoffnungen dargestellt. Ara Darzi vom Cancer Research UK Imperial Centre bewertet die internationale Zusammenarbeit als möglichen Schritt hin zu einer Technologie, die die Versorgung künftig verändern könnte.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung ist im Kern treu und weicht bei den Angaben zu Daten und Ergebnissen nicht ab. Bei der Einordnung weicht Lunas Stufe für SF-M4 (4) deutlich von der Bewertung ab, weil der Bericht keinen Bezug zu Meldewegen hat. Die Einordnungen sind unabhängig von Lunas Stufen vergeben.

Im Bericht, aber nicht in der Zusammenfassung

  • Leitung durch das Cancer Research UK Imperial Centre am Imperial College London (in der mittleren Fassung nicht genannt)
  • Weltweite Zahlen: über 1,6 Mio. Neudiagnosen und 500.000 Todesfälle jährlich
  • Die Aussage, dass ein Projekt mit Daten aus mehreren Ländern für DeepMind Health erstmals ist
  • Das Zitat von Prof. Ara Darzi

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 32 %einzelne zitierbare Belege
    • JEV 50 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 28 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 30 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 57 %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 51 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • 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 26 %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 46 %Hintergrund, keine Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
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 65 %einzelne zitierbare Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege
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 46 %einzelne zitierbare Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 54 %Hintergrund, keine Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 63 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung Hintergrund, keine Belege
  3. 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 %Hintergrund, keine Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

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 →