DIAGENS-CT-Modell erfasst 509 Krankheiten und Bildbefunde
DIAGENS hat ein CT-Modell vorgestellt, das 509 Krankheiten und Bildbefunde in Aufnahmen des Brust- und Bauchraums erkennen soll. Zugleich präsentierte das Unternehmen Benchmark-Ergebnisse für sein medizinisches Bildgebungs-Grundlagenmodell iMed-6.0. Nach Angaben von DIAGENS belegten zwei iMed-6.0-Modelle die ersten beiden Plätze in der multimodalen API-Evaluierung von MedBench.
- iMed-6.0 Thoth und Aegis belegten in der MedBench-Evaluierung von DIAGENS den ersten und zweiten Platz.
- Thoth erzielte im MMMU Test eine Gesamtgenauigkeit von 66.2%.
- Das CT-Modell unterstützt 509 Krankheiten und Bildbefunde im Brust- und Bauchraum.
- Die interne Validierung umfasste knapp 40,000 Paare aus CT-Untersuchungen und Befunden.
- DIAGENS meldete zum 30. Juni 2026 158 Modellprojekte und Partnerschaften mit 99 Krankenhäusern.
Zwei iMed-6.0-Modelle führen MedBench-Ergebnisse an
DIAGENS teilte mit, dass iMed-6.0 Thoth und Aegis bei MedBench sowohl in der Gesamtwertung als auch in allen drei Kernkategorien den ersten beziehungsweise zweiten Platz belegten. MedBench wird vom Shanghai AI Laboratory entwickelt und ist Teil des OpenCompass-Evaluierungsökosystems.
Thoth erzielte in der multimodalen API-Evaluierung eine Gesamtpunktzahl von 64.4, Aegis kam auf 61.7. Die Modelle belegten außerdem die ersten beiden Plätze in den Bereichen medizinische visuelle Wahrnehmung und Textextraktion, semantisches Verständnis und Schlussfolgern über Modalitätsgrenzen hinweg sowie klinische Entscheidungsunterstützung und Schlussfolgern.
Bei der medizinischen visuellen Wahrnehmung und Textextraktion erreichte Thoth 88.8 und Aegis 84.9. Laut DIAGENS lagen diese Ergebnisse damit 20.3% beziehungsweise 15.0% über dem höchsten Wert von 73.8 unter den anderen bewerteten Modellen.
Thoth übertrifft gemeldetes MMMU-Benchmark-Ergebnis
Im Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark, bekannt als MMMU Test, erzielte Thoth eine Gesamtgenauigkeit von 66.2%. Dieses Ergebnis übertraf laut DIAGENS den zuvor veröffentlichten Bestwert von 65.9%.
Der Benchmark umfasst sechs große Fachbereiche und 30 Themengebiete. In der Kategorie Health & Medicine erreichte Thoth eine Genauigkeit von 74.9%, Aegis kam auf 71.1%. Damit belegten die beiden Modelle in der Benchmark-Evaluierung den ersten und zweiten Platz.
DIAGENS beschreibt iMed-6.0 als multimodales System, das 3D-Bilddaten, Ganzpräparate-Aufnahmen aus der Pathologie und zeitliche Bilddaten verarbeitet. Es unterstützt die Bildinterpretation, die Analyse von Anatomie und Läsionen sowie das Erstellen und Prüfen von Befunden. Bei unterstützten Aufgaben lassen sich die Ausgaben mit bestimmten Schichten oder Regionen in den Ausgangsbildern verknüpfen.
CT-Modell deckt Untersuchungen von Brust- und Bauchraum ab
Das neue CT-Modell ist für kontrastmittelfreie und kontrastmittelgestützte CT-Untersuchungen des Brust- und Bauchraums ausgelegt. Es unterstützt die automatisierte Erkennung von 509 unterschiedlichen Krankheiten und Bildbefunden, darunter 263 Befunde im Brustraum und 391 im Bauchraum. DIAGENS erklärte, dass sich überschneidende Befunde nur einmal gezählt werden.
In einer internen Validierung mit knapp 40,000 Paaren aus CT-Untersuchungen und Befunden mehrerer Krankenhäuser erreichte das Modell bei der Zero-Shot-Klassifizierung über alle 509 Befunde hinweg eine makro-gemittelte AUC von 0.855. Für 249 wichtige Befunde, die in international verfügbaren öffentlichen Benchmarks vertreten sind, lag die makro-gemittelte AUC bei 0.930.
Werkzeuge ohne Programmieraufwand zielen auf spezialisierte KI-Entwicklung
Das CT-Modell wurde mit iMed-6.0 Aegis entwickelt. DIAGENS kombiniert das Grundlagenmodell mit iMedLoop, seiner Plattform zur Entwicklung medizinischer Bildgebungs-KI. Sie verbindet Datenaufbereitung, Modelltraining, Evaluierung, Bereitstellung und Feedback.
Der Dienst iMedMaaS bietet eine Oberfläche ohne Programmieraufwand, über die Ärzte und Krankenhäuser eigene Modelle trainieren, bereitstellen und skalieren können. Zum 30. Juni 2026 hatte DIAGENS nach eigenen Angaben 158 Modellprojekte umgesetzt, Forschungs- und Entwicklungspartnerschaften mit 99 Krankenhäusern geschlossen und mit seinen Produkten und Dienstleistungen mehr als 400 Gesundheitseinrichtungen erreicht.
Dr. Ning Song, Chairman und CEO von DIAGENS, sagte, das Unternehmen wolle Ärzten und Krankenhäusern ermöglichen, KI rund um die klinischen Herausforderungen zu entwickeln, die sie am besten kennen. Die Ankündigung positioniert das Grundlagenmodell und die Werkzeuge ohne Programmieraufwand als Möglichkeit, spezialisierte Modelle zu entwickeln, sie an klinische Arbeitsabläufe anzupassen und als Assistenzsysteme für klinische Entscheidungen einzusetzen.


