KI und die schwierigen Probleme der Welt · Medizin & Wirkstoffforschung · Nature (computational biology) · 2026-10-17
Ein Multitask-Deep-Learning-Framework zur automatisierten Vorhersage von Gesundheitszuständen anhand von Netzhaut-Fundusbildern mithilfe hybrider Aufmerksamkeit und erklärbarer KI
Originaltitel: A multi task deep learning framework for automated health condition prediction from retinal fundus images using hybrid attention and explainable AI
Bestehende Deep-Learning-Modelle für Netzhaut-Fundusbilder bearbeiten nur eine einzelne Aufgabe, bieten eine begrenzte Interpretierbarkeit und haben Schwierigkeiten mit der Variation zwischen Datensätzen. Die Autoren schlagen ein Multitask-Netzwerk vor, das den Schweregrad der diabetischen Retinopathie, das Glaukom, das AMD-Stadium und das kardiovaskuläre Risiko anhand eines einzigen Bildes in einem Vorwärtsdurchlauf klassifiziert, mit Grad-CAM-Erklärungen. Es erreichte über vier Datensätze hinweg eine Genauigkeit von 94.7% und eine AUC von 0.978 und übertraf damit statistisch alle Einzelaufgabenmodelle sowie eine AUC von mindestens 0.951 in der Zero-Shot-Evaluation über Datensätze hinweg.