medische AI
Tien jaar oud netwerk verslaat GPT-6 en Claude bij huidkanker
Dermatoloog Magnus Lynch testte GPT-6 Astra en Claude Fable 5.1 op 200 huidplekjes. Een CNN uit 2015 had 62 procent goed, de taalmodellen 42 procent.
Microsofts diagnose-AI verslaat huisartsen in Science-studie
Microsofts MAI-DxO stelde in een Science-studie 83 procent van complexe NEJM-casussen juist, tegen 36 procent voor huisartsen. Maar de winst zit vooral in het onderliggende model.
Google-chatbot AMIE voor het eerst getest in The Lancet
Google publiceert in The Lancet een studie naar AMIE: bij 98 patiënten vroeg de chatbot klachten uit voor het spreekuur. 90 procent van de diagnoses stond in de lijst.
Slechts 3 van 1.357 medische AI-tools getest op patiënten
Van de 1.357 AI-hulpmiddelen die de FDA toeliet, zijn er maar drie onderzocht op patiëntuitkomsten, blijkt uit onderzoek in PLOS Digital Health.
AI-codering ziekenhuizen jaagt zorgkosten op
Blue Cross Blue Shield telde 942 miljoen dollar extra zorgkosten doordat ziekenhuizen met AI-codeertools complexere diagnoses declareren, zonder dat de zorg veranderde.
Artsen accepteren AI bij scans, maar niet daarbuiten
Het AI-gebruik onder Amerikaanse zorgverleners verdrievoudigde, maar 74 procent vreest deskilling en hallucinaties. Buiten beeldvorming houden artsen de deur dicht: te weinig bewijs uit de praktijk.
Bijna geen AI-hulpmiddel in de zorg is getest op patiënten
Van 1.357 door de FDA toegelaten AI-hulpmiddelen zijn er slechts drie getest op patiëntuitkomsten, blijkt uit onderzoek in PLOS Digital Health.
Mayo Clinic heeft 150 AI-modellen in gebruik
Mayo Clinic draait zo’n 150 AI-modellen, van dossierhulp Record Time tot vroege alvleesklierkankerdetectie en triage op de spoedeisende hulp.
AI-uitleg helpt de arts, misleidt de leek
Onderzoek in Nature Medicine: uitleg van een taalmodel bij een huiddiagnose maakt leken volgzamer en foutgevoeliger, terwijl huisartsen juist het best presteren met alleen de kale voorspelling.
NeuroVFM leert hersenscans lezen uit ruwe ziekenhuisdata
Onderzoekers van de University of Michigan trainden NeuroVFM op 5,24 miljoen ruwe MRI- en CT-scans. Het model leert hersenafwijkingen herkennen zonder handmatige labels, blijkt in Nature Medicine.