Shenzhen (LabNews Media LLC) – Ein internationales Forschungsteam hat ein photonisches KI-System entwickelt, das medizinische Bilddaten extrem schnell und energieeffizient analysieren kann. Das System erreichte in klinischen Tests eine Genauigkeit von 95 Prozent bei der Erkennung von Netzhautablösungen und Leberzellkarzinomen.
Unter der Leitung von Professor Han Zhang von der Shenzhen University kombinierten die Forscher ein schwarzes Phosphor-basiertes (BP) van-der-Waals-Heterostrukturen mit einem Mikrofaser-Knotenresonator. Dadurch entstand eine vollständig faserbasierte photonische neuronale Netzwerkplattform (PNN), die Licht statt Elektronen zur Datenverarbeitung nutzt.
Die Diagnose einer Leber-CT-Aufnahme dauerte im Schnitt nur 0,8 Millisekunden – mehr als 100-mal schneller als auf einem leistungsstarken NVIDIA A100-Grafikprozessor. Gleichzeitig benötigte das System pro Rechenoperation nur 0,608 Femtojoule – 246-mal weniger Energie als herkömmliche elektronische Systeme.
In Tests mit realen Patientendaten aus Shenzhener Krankenhäusern erreichte das System eine Spezifität von 97,6 Prozent. Besonders bei frühen Stadien von Leberkrebs (Tumoren unter einem Zentimeter) könnte die ultraschnelle Diagnose die Überlebenschancen deutlich verbessern, da die Fünf-Jahres-Überlebensrate in diesen Fällen über 70 Prozent liegt.
Professor Han Zhang betonte, dass photonische neuronale Netzwerke nicht mehr nur Labor-Konzepte seien, sondern praktische Diagnoseplattformen darstellten. Die Technologie eigne sich besonders für zeitkritische klinische Situationen und könne auch in ressourcenarmen Regionen eingesetzt werden.
Die Studie wurde in der Fachzeitschrift Opto-Electronic Advances veröffentlicht. Die Forscher sehen in der photonischen KI einen wichtigen Schritt hin zu nachhaltiger, energieeffizienter und breit einsetzbarer medizinischer Bildanalyse.
