Das KI-gestützte digitale Stethoskop von Eko Health zeigte in klinischen Studien eine Sensitivität von 92,3% bei der Erkennung von moderaten bis schweren Klappenerkrankungen des Herzens und damit fast das Doppelte der 46,2% Genauigkeit traditioneller Stethoskopuntersuchungen.

Forscher stellen das KI-Tool dSHERLOCK vor, das tödliche Candida auris-Infektionen innerhalb von 20 Minuten diagnostiziert und die Kontrolle von Krankenhausinfektionen revolutioniert.

Forscher am MIT entwickeln eine bahnbrechende KI-gestützte Software, die automatisch acht verschiedene Nervenfaserbündel in MRT-Aufnahmen des Hirnstamms segmentiert.

Forschungen des Mount Sinai zeigen, dass KI-LLMs medizinische Fehlinformationen in 32–46 % der Fälle glauben, insbesondere wenn diese als Expertenrat präsentiert werden.

Forschung der Universität Oxford zeigt, dass KI-Chatbots inkonsistente medizinische Ratschläge geben, was es den Nutzern erschwert, vertrauenswürdige Gesundheitsinformationen zu erkennen.

Forscher der Harvard-Universität veröffentlichen das Basis-Modell BrainIAC in Nature Neuroscience, das Demenz, Schlaganfall und Krebs aus 48.900 MRT-Scans vorhersagt.

Eine wegweisende schwedische Studie mit 100.000 Frauen, veröffentlicht in The Lancet, ergab, dass der Einsatz von KI zur Unterstützung der Mammographie-Auswertung zu einer 12%igen Reduktion der Intervall‑Brustkrebs-Diagnosen führte und damit einen bedeutenden Durchbruch in der medizinischen Bildgebung markiert.

Analysen zeigen, dass KI trotz Automatisierung die Nachfrage nach Radiologen erhöht; die Mayo Clinic beschäftigt seit 2016 55% mehr Radiologen und demonstriert damit das Jevons‑Paradoxon im Kontext von KI.