KI im Onkologiemarkt – Globale Branchengröße, Anteil, Trends, Chancen und Prognose, segmentiert nach Komponente (Softwarelösungen, Hardware, Dienstleistungen), nach Krebsart (Brustkrebs, Lungenkrebs, Prostatakrebs, Dickdarmkrebs, Hirntumor, Sonstige), nach Behandlungsart (Chemotherapie, Strahlentherapie, Immuntherapie, Sonstige), nach Region, nach Wettbewerb 2018–2028

Marktübersicht

Der globale Markt für KI in der Onkologie hat im Jahr 2022 einen Wert von 701,08 Millionen USD und wird im Prognosezeitraum voraussichtlich ein robustes Wachstum mit einer CAGR von 14,02 % bis 2028 verzeichnen. Künstliche Intelligenz (KI) in der Onkologie hilft dabei, schnellere und präzisere Krebsdiagnosen zu stellen, was zu verbesserten Patientenergebnissen führt – was den Markt im Prognosezeitraum voraussichtlich ankurbeln wird. Das Wachstum der Gesundheitsinfrastruktur und eine zunehmende Verbreitung von Krebs werden voraussichtlich die Marktexpansion im Prognosezeitraum vorantreiben. Ein Faktor, der die Marktexpansion während der Pandemie vorantrieb, war der verstärkte Einsatz von KI zur Diagnose, Behandlung und Analyse komplexer Datensätze, was die Belastung von Krankenhäusern und Ärzten gleichermaßen verringerte.

Wichtige Markttreiber

Verbesserung der Diagnosegenauigkeit

KI-Algorithmen zeichnen sich durch die hochpräzise Analyse medizinischer Bilder wie Röntgenaufnahmen, MRTs und CT-Scans aus. Durch die genaue Identifizierung potenzieller Tumore und die Bewertung ihrer Eigenschaften unterstützt KI die Früherkennung von Krebs. Eine Früherkennung ist für eine wirksame Behandlung und verbesserte Überlebensraten von entscheidender Bedeutung. Daher verlassen sich Gesundheitsdienstleister und Patienten zunehmend auf KI-basierte Diagnosetools, um Krebs in seinen frühesten, am besten behandelbaren Stadien zu erkennen. Menschliche Fehler und Unterschiede bei der Interpretation medizinischer Bilder können zu Fehldiagnosen führen. KI-Systeme bieten Konsistenz und Objektivität bei der Analyse und reduzieren das Risiko einer Fehldiagnose erheblich. Dies wiederum stärkt das Vertrauen von Gesundheitsfachkräften und Patienten in die Genauigkeit von Krebsdiagnosen und treibt den Einsatz von KI in der Onkologie weiter voran. Regierungen und Gesundheitsorganisationen weltweit investieren in Krebsvorsorgeprogramme. KI kann zur Optimierung dieser Programme beitragen, indem sie die Analyse von Vorsorgeuntersuchungen wie Mammographien und Pap-Abstrichen automatisiert.

Die verbesserte Genauigkeit dieser Vorsorgeuntersuchungen kann zu einer frühen Krebserkennung führen und damit die Nachfrage nach KI-gesteuerten Lösungen erhöhen. Eine genaue Diagnose ist die Grundlage für die Entwicklung personalisierter Behandlungspläne. KI hilft nicht nur bei der Diagnose von Krebs, sondern auch bei der Charakterisierung von Tumoren auf molekularer Ebene. Dies ermöglicht es Onkologen, Behandlungsstrategien auf der Grundlage der spezifischen genetischen Zusammensetzung und der Eigenschaften des Krebses anzupassen, was zu wirksameren und gezielteren Therapien führt. Patienten suchen zunehmend nach personalisierten Behandlungsmöglichkeiten, was die Nachfrage nach KI in der Onkologie antreibt. Eine rechtzeitige und genaue Diagnose reduziert den Bedarf an umfangreichen, oft kostspieligen Behandlungen und Eingriffen in späteren Krebsstadien. Dies kann zu erheblichen Kosteneinsparungen im Gesundheitssystem führen und macht KI-gesteuerte Diagnostik zu einer attraktiven Option für Gesundheitsdienstleister und Kostenträger. KI-Systeme können medizinische Bilder viel schneller analysieren als Menschen und sind rund um die Uhr verfügbar. Diese Effizienz kann klinische Arbeitsabläufe rationalisieren, sodass Gesundheitsdienstleister mehr Patienten behandeln und ihre Ressourcen effektiver verwalten können. Diese erhöhte Effizienz ist ein überzeugender Faktor für Gesundheitseinrichtungen, die ihre Abläufe optimieren möchten.

Wachsende personalisierte Behandlungspläne

KI-gesteuerte Analysen von Patientendaten, einschließlich genetischer Informationen und Tumoreigenschaften, ermöglichen die Erstellung hochgradig personalisierter Behandlungspläne. Diese Pläne berücksichtigen die einzigartigen Eigenschaften des Krebses jedes Patienten und ermöglichen es Onkologen, die wirksamsten Therapien auszuwählen. Diese erhöhte Behandlungswirksamkeit führt zu besseren Patientenergebnissen und einer erhöhten Nachfrage nach KI-basierten Onkologielösungen. Personalisierte Behandlungspläne konzentrieren sich nicht nur auf die Maximierung der Wirksamkeit der Behandlung, sondern zielen auch darauf ab, Nebenwirkungen zu minimieren. KI kann vorhersagen, wie ein einzelner Patient auf bestimmte Behandlungen reagieren wird, und hilft so, Therapien zu vermeiden, die wahrscheinlich schwere Nebenwirkungen verursachen. Patienten schätzen personalisierte Pläne, die ihr Wohlbefinden berücksichtigen, was zu einer höheren Patientenzufriedenheit und Therapietreue führt. KI hilft bei der Identifizierung gezielter Therapien und Immuntherapien, die bei einem bestimmten Krebspatienten höchstwahrscheinlich wirksam sind.

Dies reduziert den Versuch-und-Irrtum-Ansatz bei der Behandlungsauswahl und minimiert den Einsatz unwirksamer Medikamente, was zu Kosteneinsparungen für Gesundheitssysteme führt. KI-Algorithmen können komplexe Datensätze schnell verarbeiten und Onkologen in kürzerer Zeit Behandlungsempfehlungen liefern. Diese Beschleunigung der Entscheidungsfindung ist insbesondere in der Onkologie von entscheidender Bedeutung, wo rechtzeitige Behandlungsanpassungen die Prognose eines Patienten erheblich beeinflussen können. Personalisierte Behandlungspläne erfordern häufig die Teilnahme von Patienten an klinischen Studien für experimentelle Therapien. KI hilft bei der Identifizierung geeigneter Kandidaten für diese Studien auf der Grundlage ihres genetischen Profils und ihrer Krankengeschichte. Dies erleichtert die Rekrutierung geeigneter Teilnehmer, beschleunigt die Studien und führt zu einer schnelleren Entwicklung und Zulassung innovativer Krebsbehandlungen. In einer Zeit, in der Patienten zunehmend informiert und in ihre Gesundheitsentscheidungen einbezogen werden, entsprechen personalisierte Behandlungspläne den Grundsätzen der patientenzentrierten Versorgung. KI stärkt die Patienten, indem sie ihnen auf ihre individuellen Umstände zugeschnittene Behandlungsmöglichkeiten bietet und ihnen ein Gefühl von Kontrolle und Beteiligung an ihrer Behandlung vermittelt.

Verbesserung der Arzneimittelentdeckung und -entwicklung

KI kann riesige Datensätze, darunter genetische Informationen und molekulare Daten, analysieren, um potenzielle Arzneimittelkandidaten schneller und genauer zu identifizieren als mit herkömmlichen Methoden. Diese Beschleunigung des Arzneimittelentdeckungsprozesses reduziert den Zeit- und Ressourcenaufwand für Forschung und Entwicklung und ist daher eine attraktive Perspektive für Pharmaunternehmen, die neue Krebstherapien auf den Markt bringen möchten. KI kann durch die Analyse umfangreicher genomischer und proteomischer Daten dazu beitragen, neue und vielversprechende molekulare Ziele für die Krebsbehandlung zu identifizieren. Dies führt zur Entdeckung bisher unerforschter therapeutischer Ansätze und erhöht das Potenzial für bahnbrechende Behandlungen. KI-Modelle können die Wirksamkeit und Sicherheit von Medikamentenkandidaten in silico vorhersagen, wodurch teure und zeitaufwändige präklinische und klinische Studien überflüssig werden.

Das spart Pharmaunternehmen erhebliche Kosten und beschleunigt die Medikamentenentwicklung. KI analysiert Patientendaten, um bestimmte genetische Mutationen oder Biomarker zu identifizieren, die mit der Krebserkrankung eines Patienten in Zusammenhang stehen. Diese Informationen können verwendet werden, um personalisierte Behandlungsoptionen zu entwickeln, darunter zielgerichtete Therapien und Ansätze der Präzisionsmedizin. Die Fähigkeit, Behandlungen auf einzelne Patienten zuzuschneiden, treibt die Nachfrage nach KI-Lösungen an. KI kann bestehende Medikamente identifizieren, die für eine Umwidmung in der Krebsbehandlung infrage kommen. Durch die Analyse von Daten zu Arzneimittelwechselwirkungen und -pfaden kann KI neue Anwendungsgebiete für Medikamente vorschlagen, die bereits für andere Erkrankungen zugelassen sind, und so möglicherweise die Verfügbarkeit von Krebsbehandlungen beschleunigen. KI integriert nahtlos verschiedene Datenquellen, darunter Daten aus klinischen Studien, wissenschaftliche Literatur und echte Patientendaten. Dieser ganzheitliche Ansatz ermöglicht es Forschern, datengesteuerte Entscheidungen zu treffen und umfassende Einblicke in die Arzneimittelentwicklungsprozesse zu gewinnen.

Wichtige Marktherausforderungen

Interoperabilität und Datenintegration

Gesundheitssysteme verwenden häufig unterschiedliche elektronische Gesundheitsaktensysteme (EHR), Bildgebungsplattformen und Datenformate. Diese Fragmentierung führt zu isolierten Daten, wodurch der Zugriff auf Patienteninformationen aus mehreren Quellen und deren Integration erschwert wird. KI in der Onkologie erfordert einen umfassenden Überblick über die Krankengeschichte eines Patienten, der durch die Datenfragmentierung behindert wird. Verschiedene Systeme können unterschiedliche Datenstandards und -formate verwenden, wodurch es schwierig wird, sicherzustellen, dass KI-Algorithmen die Daten effektiv verarbeiten und analysieren können. Kompatibilitätsprobleme können zu Datenverlust, Fehlinterpretationen oder Fehlern bei KI-gesteuerten Erkenntnissen führen. Unterschiede in der Datenqualität und -vollständigkeit zwischen verschiedenen Gesundheitssystemen können die Genauigkeit und Zuverlässigkeit von KI-Modellen beeinträchtigen. Inkonsistente Daten können zu verzerrten oder falschen Empfehlungen führen und das Vertrauen des Gesundheitspersonals in KI-Systeme verringern.

Der Prozess der Integration von KI-Lösungen in die vorhandene IT-Infrastruktur des Gesundheitswesens kann teuer und zeitaufwändig sein. Gesundheitseinrichtungen müssen möglicherweise in benutzerdefinierte Lösungen, Middleware oder Dienste von Drittanbietern investieren, um eine nahtlose Datenintegration zu gewährleisten. Die Implementierung von Datenintegrationslösungen kann klinische Arbeitsabläufe stören. Gesundheitsdienstleister können sich Änderungen widersetzen, die ihre etablierten Routinen beeinträchtigen und die Einführung von KI-Technologien möglicherweise verzögern oder behindern. Die Vorschriften zum Eigentum an Gesundheitsdaten und zum Datenschutz können je nach Region unterschiedlich sein, und es kann schwierig sein, diese Komplexitäten beim Teilen oder Integrieren von Patientendaten zu bewältigen. Die Einhaltung der Datenschutzgesetze sicherzustellen und gleichzeitig den Datenaustausch zu erleichtern, ist ein heikles Gleichgewicht.

Klinische Validierung und Einführung

Eines der Haupthindernisse für die Einführung von KI in der Onkologie ist die Notwendigkeit solider klinischer Beweise für die Wirksamkeit und Sicherheit von KI-gesteuerten Tools. Gesundheitsdienstleister und Aufsichtsbehörden verlangen oft eine umfassende klinische Validierung, bevor sie KI-Lösungen in die klinische Praxis integrieren. Der Zeit- und Ressourcenaufwand für die Durchführung umfangreicher klinischer Studien kann die Einführung von KI-Technologien verlangsamen. Die Gesundheitsbranche ist stark reguliert, und um KI-basierte Onkologielösungen auf den Markt zu bringen, müssen komplexe Regulierungswege bewältigt werden. Die Erfüllung gesetzlicher Anforderungen, das Einholen von Genehmigungen und die Sicherstellung der Einhaltung sich entwickelnder Standards können ein anspruchsvoller und zeitaufwändiger Prozess sein.

Gesundheitsfachkräfte, darunter Onkologen, Radiologen und Pathologen, zögern möglicherweise, KI-gestützten Empfehlungen voll und ganz zu vertrauen und sie anzunehmen. Skepsis, Widerstand gegen Veränderungen und Bedenken hinsichtlich der Auswirkungen auf ihre Rollen können die Integration von KI-Tools in klinische Arbeitsabläufe behindern. KI-Algorithmen müssen häufig an unterschiedlichen Patientenpopulationen validiert werden, um ihre Wirksamkeit bei unterschiedlichen demografischen Gruppen und Krebsarten sicherzustellen. Dies kann ein ressourcenintensiver Prozess sein und den Zugriff auf eine breite Palette von Patientendaten erfordern. Die Integration von KI-Lösungen in bestehende IT-Systeme des Gesundheitswesens kann komplex sein. Die Gewährleistung der Kompatibilität mit elektronischen Gesundheitsakten (EHRs), Radiologieinformationssystemen und Laborinformationssystemen erfordert technisches Fachwissen und Ressourcen. Der Umgang mit Patientendaten in KI-Systemen wirft Bedenken hinsichtlich Datenschutz und -sicherheit auf. Die Gewährleistung der Vertraulichkeit von Patienteninformationen und des Schutzes vor Cybersicherheitsbedrohungen ist von größter Bedeutung, aber auch eine Herausforderung.

Wichtige Markttrends

KI-gesteuerte Radiomics

KI-gesteuerte Radiomics verbessert die Präzision der Krebsdiagnose. Durch die Analyse subtiler und komplexer Muster in medizinischen Bildern kann KI Tumore und andere Anomalien in früheren und oft besser behandelbaren Stadien erkennen. Diese Fähigkeit verbessert die Diagnosegenauigkeit und verringert die Wahrscheinlichkeit übersehener oder fehlinterpretierter Befunde. Radiomics ermöglicht die Charakterisierung von Tumoren auf granularer Ebene. KI kann bestimmte Merkmale in einem Bild identifizieren, die den genetischen und biologischen Eigenschaften des Tumors entsprechen. Diese Informationen sind von unschätzbarem Wert für die Entwicklung personalisierter Behandlungspläne, die auf das einzigartige Krebsprofil des Patienten zugeschnitten sind. Radiomics-basierte KI-Tools können die Reaktion eines Patienten auf eine Behandlung im Laufe der Zeit überwachen.

Durch die Analyse von Änderungen in Bildgebungsmerkmalen kann KI Klinikern helfen, festzustellen, ob eine Behandlung wirksam ist oder angepasst werden muss, wodurch rechtzeitige Eingriffe ermöglicht und unnötige Nebenwirkungen minimiert werden. KI-gesteuerte Radiomics können bei der Früherkennung von Krebs helfen, noch bevor klinische Symptome auftreten. Dies ist besonders wichtig bei Krebsarten mit aggressiven Progressionsraten. Da KI-Algorithmen immer besser darin werden, subtile Bildmuster zu erkennen, werden sie eine entscheidende Rolle bei Krebs-Screening-Programmen spielen. Die menschliche Interpretation medizinischer Bilder kann subjektiv sein und von der Erfahrung des interpretierenden Radiologen beeinflusst werden. KI-gesteuerte Radiomics bietet Konsistenz und Objektivität bei der Bildanalyse, reduziert die Variabilität zwischen Beobachtern und gewährleistet einen höheren Versorgungsstandard bei allen Gesundheitsdienstleistern.

Genomsequenzierung und Präzisionsmedizin

Die Genomsequenzierung bietet ein detailliertes Verständnis der genetischen Zusammensetzung eines Patienten und identifiziert spezifische Mutationen oder Veränderungen, die seinen Krebs verursachen. KI-Algorithmen können diese genomischen Daten analysieren, um personalisierte Behandlungspläne zu entwickeln, die auf das einzigartige genetische Profil des Patienten zugeschnitten sind. Die Fähigkeit, zielgerichtete Therapien zu verabreichen, verbessert die Wirksamkeit der Behandlung erheblich, verringert Nebenwirkungen und verbessert die Patientenergebnisse. Genomsequenzierung in Verbindung mit KI beschleunigt die Identifizierung potenzieller Arzneimittelziele im Tumor eines Patienten. KI analysiert die enorme Menge an genomischen Daten, die bei der Sequenzierung generiert werden, um Gene oder Signalwege zu ermitteln, die für das Wachstum des Krebses entscheidend sind. Diese Informationen sind für die Arzneimittelentwicklung und personalisierte Behandlungsstrategien von unschätzbarem Wert. KI kann die wahrscheinliche Reaktion eines Patienten auf bestimmte Therapien basierend auf seinem genomischen Profil vorhersagen.

Diese Informationen helfen Onkologen bei der Auswahl der am besten geeigneten Behandlungsoptionen, vermeiden Behandlungen, die wahrscheinlich nicht wirksam sind, und minimieren Versuch-und-Irrtum-Ansätze. Prädiktive Analysen erhöhen die Wahrscheinlichkeit einer erfolgreichen Behandlung und verbessern die Patientenversorgung. Genomsequenzierung und KI optimieren die Gestaltung und Durchführung klinischer Studien. KI identifiziert geeignete Patienten mit bestimmten genomischen Markern, verbessert die Patientenrekrutierung und verkürzt die Studiendauer. Dies führt zu einer schnelleren Arzneimittelentwicklung und einem effizienteren klinischen Testprozess. KI-gesteuerte Präzisionsmedizinlösungen bieten Onkologen Entscheidungsunterstützung in Echtzeit. Bei komplexen Behandlungsentscheidungen können sich Ärzte auf KI-Algorithmen verlassen, um Genomdaten zu analysieren und die am besten geeigneten Behandlungsoptionen zu empfehlen, was die klinische Entscheidungsfindung und das Vertrauen verbessert.

Segmentale Einblicke

Einblicke

Basierend auf der Komponente wird erwartet, dass das Segment der Softwarelösungen während des gesamten Prognosezeitraums ein erhebliches Marktwachstum verzeichnen wird. Verbesserte KI-gestützte Softwarelösungen verbessern die Genauigkeit der Krebsdiagnose durch die Analyse medizinischer Bilder, Pathologie-Objektträger und Genomdaten. Diese Tools können subtile Muster und Anomalien identifizieren, die menschlichen Beobachtern möglicherweise entgehen, was zu früheren und präziseren Diagnosen führt. Softwarelösungen unterstützen Onkologen bei der Entwicklung personalisierter Behandlungspläne auf der Grundlage von Patientenakten, Genomdaten und klinischen Erkenntnissen in Echtzeit. Diese Pläne sind auf die Krebsart, das Stadium und das genetische Profil des einzelnen Patienten zugeschnitten und optimieren so die Behandlungsergebnisse. KI-Softwarelösungen rationalisieren die Verwaltung und Analyse großer Mengen von Patientendaten, einschließlich elektronischer Gesundheitsakten (EHRs), medizinischer Bilder und genomischer Sequenzen. Diese Effizienz reduziert den Verwaltungsaufwand, beschleunigt datengesteuerte Entscheidungsfindung und steigert die allgemeine Produktivität des Gesundheitswesens.

KI-Software zeichnet sich durch Radiomics aus und extrahiert quantitative Merkmale aus medizinischen Bildern und pathologischen Objektträgern. Diese Funktionen bieten wertvolle Einblicke in Tumoreigenschaften, Behandlungsreaktion und Prognose. Radiomics-basierte Software hilft bei der Identifizierung von Biomarkern und der Optimierung von Behandlungsansätzen. Softwarelösungen bieten medizinischem Fachpersonal klinische Entscheidungsunterstützung in Echtzeit. Sie bieten Empfehlungen für Behandlungsoptionen, Dosierungen und Nachsorgeprotokolle und unterstützen Kliniker dabei, fundierte Entscheidungen zu treffen und standardisierte Pflegepraktiken sicherzustellen.

Einblicke in Krebsarten

Basierend auf dem Segment Krebsarten war das Segment Brustkrebs die dominierende Kraft auf dem Markt. KI-Algorithmen können Mammogramme und andere Brustbildgebungsstudien mit hoher Genauigkeit analysieren. Durch die Identifizierung subtiler Anomalien und Muster unterstützt KI Radiologen bei der Früherkennung von Brustkrebs. Die Fähigkeit, Brustkrebs in einem früheren, besser behandelbaren Stadium zu erkennen, ist ein entscheidender Faktor zur Verbesserung der Patientenergebnisse. KI-gesteuerte Tools können das Brustkrebsrisiko einer Patientin anhand verschiedener Faktoren wie Genetik, Familiengeschichte und Lebensstil beurteilen. Diese Risikobewertung kann zu personalisierten Präventionsstrategien führen, wie z. B. Änderungen des Lebensstils, erhöhte Screening-Häufigkeit oder prophylaktische Maßnahmen für Personen mit hohem Risiko. KI hilft Onkologen, Behandlungspläne für Brustkrebspatientinnen anhand individueller Faktoren wie Tumorsubtyp, genetische Mutationen und Vorhersagen des Behandlungserfolgs anzupassen. Personalisierte Behandlungsansätze optimieren die Therapieergebnisse und minimieren gleichzeitig die Nebenwirkungen. KI unterstützt Pathologen bei der Analyse von Brustgewebeproben und der hochpräzisen Identifizierung von Krebszellen, Subtypen und Biomarkern. Diese Erkenntnisse sind für die Auswahl gezielter Therapien und die Vorhersage des Behandlungserfolgs von entscheidender Bedeutung. Auf Radiomics basierende KI-Lösungen extrahieren quantitative Merkmale aus Brustbildgebungsstudien und liefern wertvolle Informationen über Tumoreigenschaften und -verhalten. Diese Daten dienen der Behandlungsplanung und helfen bei der Identifizierung neuer Biomarker.

Regionale Einblicke

Nordamerika, insbesondere der Markt für KI in der Onkologie, dominierte den Markt im Jahr 2022, hauptsächlich weil Nordamerika, insbesondere die Vereinigten Staaten, ein weltweit führender Anbieter von Technologie und Innovation ist. Die Region verfügt über ein robustes Ökosystem aus KI-Entwicklern, Unternehmen der Gesundheitstechnologie und Forschungseinrichtungen, die sich der Weiterentwicklung von KI-Anwendungen in der Onkologie widmen. Diese Innovationskultur fördert die schnelle Entwicklung und Einführung KI-gesteuerter Lösungen. Nordamerika hat eine der höchsten Gesundheitsausgaben weltweit. Die Bereitschaft der Region, in modernste Gesundheitstechnologien, einschließlich KI, zu investieren, schafft ein günstiges Umfeld für das Wachstum des KI-Marktes in der Onkologie.

Jüngste Entwicklungen

• Whiterabbit.ai und Arterys haben im August 2022 vereinbart, KI-gestützte Technologie zur Erkennung von Krebs im Frühstadium zu entwickeln.
• Roche kündigte im Juli 2022 eine Zusammenarbeit mit EarlySign an, um seine LungFlag-Technologie zu entwickeln und zu vermarkten.
• Kheiron Medical Technologies ging 2021 eine Zusammenarbeit mit Atlas Medical ein. Die Partnerschaft zielt darauf ab, Mia auf den Markt zu bringen, eine Brustkrebs-Screening-Lösung, die Radiologen bei der Krebserkennung präziser unterstützt.
• Paige ging im Mai 2021 eine Partnerschaft mit Quest Diagnostics ein. Das Unternehmen hoffte, schnellere, präzisere und kürzere klinische Erkenntnisse durch die Entwicklung neuer Software.
• Paige schloss sich im März 2021 mit Epredia zusammen. Durch diese Zusammenarbeit wollte das Unternehmen Pathologen dabei helfen, Erkenntnisse aus jedem Test zu gewinnen und den Patienten Ergebnisse anzubieten.
• PathAI übernahm Poplar im Juli 2021. Durch diese Übernahme könnte das Unternehmen Testdienste in seine aufstrebende KI-gestützte Pathologieplattform integrieren.
• Im September 2021 gab Owkin, Inc. in Zusammenarbeit mit Forschern der Cleveland Clinic die Entwicklung eines Deep-Learning-Modells bekannt, das das Überleben und die Gesundheitsergebnisse bei hepatozellulärem Karzinom vorhersagt.
• Im August 2022 brachte Medtronic plc ein intelligentes Endoskopiemodul GI GeniusTM auf den Markt Indien. Es basiert auf KI und unterstützt medizinisches Personal bei der Erkennung von Dickdarmkrebs durch verbesserte Visualisierung während der Darmspiegelung.

Wichtige Marktteilnehmer

• Azra AI.
• IBM
• Siemens Healthcare GmbH.
• Intel Corporation.
• GE HealthCare.
• NVIDIA Corporation.
• Digital Diagnostics Inc.
• ConcertAI.
• Median Technologies.
• PathAI.