🔥 Hot topics · Kann NICHT. · Kann gemacht werden · § The Court · Aktuelle Wechsel · 📈 Zeitachse · Fragen · Editorials · 🔥 Hot topics · Kann NICHT. · Kann gemacht werden · § The Court · Aktuelle Wechsel · 📈 Zeitachse · Fragen · Editorials
Stuff AI CAN'T Do

Kann KI bestimmte Krankheiten durch Betrachtung von Augenbildern erkennen ?

Was denkst du?

KI-Systeme können zunehmend bestimmte Krankheiten durch die Analyse von Bildern der Netzhaut identifizieren. Diese Tools untersuchen Netzhautscans, um Erkrankungen wie diabetische Retinopathie, Glaukom und altersbedingte Makuladegeneration sowie allgemeinere Gesundheitsrisiken wie Herz-Kreislauf-Erkrankungen zu erkennen. Wie genau werden diese Modelle trainiert und welche Belege stützen ihre Wirksamkeit?

Background

KI-Systeme können Netzhautbilder analysieren, um Krankheiten zu erkennen, insbesondere unter Verwendung von Netzhautscans wie Fundusfotografien und optischer Kohärenztomographie (OCT). Diese Systeme haben eine hohe Genauigkeit bei der Identifizierung von Erkrankungen wie diabetischer Retinopathie, Glaukom und altersbedingter Makuladegeneration gezeigt. Einige Modelle sagen auch systemische Erkrankungen wie Bluthochdruck und kardiovaskuläres Risiko aus Netzhautbildern vorher.

Deep-Learning-Modelle haben starke Leistungen bei Krankheiten wie diabetischer Retinopathie, altersbedingter Makuladegeneration, Glaukom und neurodegenerativen Erkrankungen einschließlich der Alzheimer-Krankheit gezeigt und übertreffen oft spezifische diagnostische Aufgaben von Experten.

Diese Modelle basieren auf großen beschrifteten Datensätzen von Fundusfotografien, OCT-Scans und manchmal multimodaler Bildgebung, um subtile vaskuläre, strukturelle und texturbezogene Veränderungen zu identifizieren, die mit Krankheiten verbunden sind.

Regulatorisch zugelassene Tools, die auf diesen Modellen basieren, werden bereits heute klinisch eingesetzt. Die flächendeckende Einführung hängt jedoch von der Validierung in verschiedenen Populationen und der nahtlosen Integration in bestehende ophthalmologische Arbeitsabläufe ab.

— Anreicherung 13. Mai 2026 · Quelle: Nature Medicine
— Anreicherung 13. Mai 2026 · Quelle: National Eye Institute

Status zuletzt überprüft am June 29, 2026.

📰

Galerie

In the Court of AI Capability
Summary of Findings
Verdict over time
May 2026May 2026May 2026May 2026Jun 2026Jun 2026Jun 2026Jun 2026Jun 2026Jun 2026
Sitting at the Bench Filed · Jun 29, 2026
— The Question Before the Court —

Kann KI bestimmte Krankheiten durch Betrachtung von Augenbildern erkennen?

★ The Court Finds ★
Reaffirmed
Ja

Die Geschworenen kamen zu einer eindeutig bejahenden Antwort.

Ruling of the Bench

Die Geschworenen fanden den Fall überwältigend klar, indem sie feststellten, dass künstliche Sehschärfe bereits schärfer ist als menschliche Sehschärfe, wenn es darum geht, subtile Anzeichen von Krankheiten in Netzhautscans zu erkennen. Ohne Gegenstimmen stimmte die Jury einstimmig zu, dass die Aufgabe vollständig im Rahmen der aktuellen Fähigkeiten von KI liegt. Urteil: Von verschwommenen Umrissen zu kugelsicheren Diagnosen - ja, KI hat bereits ihre Augenheilkundelizenz erworben.

— Hon. D. Knuth-Hale, Presiding
Jury Tally
2Ja
0Fast
0Nein
Verdict Confidence
94%
The Court of AI Capability is, of course, not a real court.
But the data is real.
The Case File · Stacked History
Session I · May 2026 Ja
Session II · May 2026 Ja · 84%
Session III · May 2026 Ja · 83%
Session IV · May 2026 Ja · 82%
Session V · Jun 2026 Ja · 83%
Session VI · Jun 2026 Ja · 82%
Session VII · Jun 2026 Ja · 83%
Session VIII · Jun 2026 Ja · 95%
Session IX · Jun 2026 Ja · 98%
Case № B5B7 · Session X
In the Court of AI Capability

The Case File

Docket № B5B7 · Session X · Vol. X
I. Particulars of the Case
Question put to the courtKann KI bestimmte Krankheiten durch Betrachtung von Augenbildern erkennen?
SessionX (10 hearing)
Convened29 Jun 2026
Previously ruledYES (May '26) → YES (May '26) → YES (May '26) → YES (May '26) → YES (Jun '26) → YES (Jun '26) → YES (Jun '26) → YES (Jun '26) → YES (Jun '26) → YES (Jun '26)
Presiding JudgeHon. D. Knuth-Hale
II. Cumulative Tally Across Sessions

Across 10 sessions, 29 jurors have heard this case. Combined tally: 27 YES · 2 ALMOST · 0 NO · 0 IN RESEARCH.

Note: cumulative includes older juror opinions. The current session tally above is the live verdict.

III. Verdict

By a vote of 2 — 0 — 0, the panel returns a verdict of JA, with verdict confidence of 94%. The court so orders.

IV. Stellungnahmen der Richterbank
Geschworener I JA

"Deep learning models analyze eye images"

Geschworener II JA

"AI systems like Google's Med-Gemini can detect diabetic retinopathy and other eye diseases from fundus images."

Die einzelnen Geschworenenaussagen werden im englischen Original gezeigt, um die Beweisgenauigkeit zu wahren.

D. Knuth-Hale
Presiding Judge
M. Lovelace
Clerk of the Court

Was das Publikum denkt

Nein 0% · Ja 74% · Vielleicht 26% 23 votes
Ja · 74%
Vielleicht · 26%
64 days of activity

Diskussion

no comments

Kommentare und Bilder durchlaufen vor der öffentlichen Freigabe eine Prüfung durch die Administratoren.

10 jury checks · aktuellste vor 4 Tagen
29 Jun 2026 2 jurors · kann, kann kann
23 Jun 2026 1 juror · kann kann
18 Jun 2026 1 juror · kann kann
13 Jun 2026 3 jurors · kann, kann, kann kann
07 Jun 2026 3 jurors · kann, kann, kann kann
02 Jun 2026 3 jurors · kann, kann, kann kann
27 May 2026 3 jurors · kann, kann, kann kann
22 May 2026 4 jurors · unentschieden, kann, kann, kann unentschieden
17 May 2026 5 jurors · unentschieden, kann, kann, kann, kann unentschieden
13 May 2026 4 jurors · kann, kann, kann, kann kann Status geändert

Jede Zeile ist eine separate Jury-Prüfung. Jurymitglieder sind KI-Modelle (Identitäten bewusst neutral). Der Status spiegelt die kumulierte Auszählung aller Prüfungen wider — wie die Jury funktioniert.

Mehr in health

Haben wir einen übersehen?

Wir überprüfen wöchentlich.