Behandelte Themen des Studienpaketes zur Airdoc-AI (Künstliche Intelligenz in der Vorsorge zur Unterstützung von Diagnosen)

• Künstliche Intelligenz für das Screening von verschiedenen Netzhaut- und Sehnervkrankheiten
• Deep Learning auf der Grundlage von Netzhautfotos sagt das biologische Alter voraus und differenziert das Morbiditäts- und Mortalitätsrisiko
• Assoziation des Kalibers der retinalen Mikrogefäße mit der Höhe des Blutdrucks
• Arterioläre Verengungen der Netzhaut und Risiko für Diabetes mellitus bei Personen mittleren Alters
• Erkennung von Anämie aus Netzhautfundusbildern durch Deep Learning
• Künstliche Intelligenz zur Erkennung von Papillenödemen aus Augenfundus-Fotografien
• Deep-Learning-Algorithmus unter Verwendung von Fundusfotos zur 10-Jahres-Risiko – Einschätzung des Risikos ischämischer Herz-Kreislauf-Erkrankungen in China
• Anwendung des Comprehensive Artificial Intelligence Retinal Expert (CARE)-Systems: eine nationale Studie zur praktischen Anwendung
• Auf künstlicher Intelligenz basierendes Screening bei diabetische Retinopathie in einem kommunalen Krankenhaus
• Universelle Plattform für künstliche Intelligenz bei kollaborativem Management von Katarakten
• Deep Learning-basierte Schätzung der axialen Länge und der subfovealen Dicke der Aderhaut aus Farbfundusfotografien
• Big-Data- und Künstliche-Intelligenz-gestützte Gewölbevorhersage und EVO-ICL-Größenauswahl für die Myopiekorrektur
• Validierung von Algorithmen der künstlichen Intelligenz in der Praxis für ophthalmologische Bildgebung