News
Save the Date 19.06.26: Erstes Magdeburger Digital Health Symposium
Am 19. Juni 2026 veranstaltet unser Institut für Medical Data Science das „1. Magdeburger Digital Health Symposium“. Es erwartet Sie ein vielseitiges Programm zu aktuellen Themen der digitalen Gesundheit, künstlicher Intelligenz und Bioinformatik in der medizinischen Forschung, sowie neue Lösungen auf dem Gebiet modernster medizinischer Forschungsdatenbanken.
Darüber hinaus freuen wir uns sehr, Herrn PD Dr. Philipp Berg, vom Forschungscampus STIMULATE, sowie Prof. Dr. Hans-Ulrich Prokosch, aktueller Präsident unserer Fachgesellschaft, als Keynote-Speaker für unser Symposium gewinnen zu können.
Die Teilnahme an unserem Symposium ist kostenlos. Für gutes Essen und Getränke ist gesorgt. Allerdings ist die Teilnehmerzahl begrenzt. Für Ärztinnen und Ärzte besteht die Möglichkeit 6 Fortbildungspunkte zu sammeln (Zertifizierung durch die Ärztekammer Sachsen-Anhalt, Kategorie A).
Wir freuen uns auf Ihr Kommen!
1. Magdeburger Digital Health Symposium
Freitag, 19. Juni 2026, 16:30 Uhr bis 21:00 Uhr
Hörsaal H7 auf dem Gelände der UMMD
Programm und Registrierung: https://eveeno.com/DigitalHealthMD2026
Bei Fragen: IMDS-Symposium@med.ovgu.de
ExChangeAI: Neues Tool zur Eigenerstellung von EKG Deep Learning Modellen
ExChangeAI: Neues Tool zur Eigenerstellung von EKG Deep Learning Modellen
Unsere KI-Plattform ermöglicht offiziell datenschutzkonforme Verarbeitung mit Patientendaten an der UMMD!
Neue KI-DIZ-Plattform ermöglicht Verarbeitung mit Patientendaten
Die KI Plattform vom Datenintegrationszantrum des IMDS verfügt über 8-fach höhere Speicher- und Rechenleistung, damit stehen Ihnen neue generative KI LLM Modelle zur Verfügung, die Sie in der oberen linken Leiste dann auswählen können.
Die Modelle sind:
- gpt-oss:120b eine Open Source Variante von OpenAI ChatGPT o3/o4 mini
- gemma3:27b eine Open Source Variante von Google Gemini 2.
Damit stellen wir Ihnen hochperformante KI Modelle für ihre Fragestellungen und Datenauswertungen bereit, ohne dass sie die Kontrolle über ihre Daten verlieren, mit einem hohen Schutz ihrer Daten, welche in den lokalen Systemen verbleiben.
Die Verarbeitung von Patientendaten mit der DIZ KI-Plattform ist seit Oktober 2025 von Datenschutz und Informationssicherheit offiziell freigegeben und darf nur mit dieser durchgeführt werden. Hierzu gelten folgende Regelungen: Es sollen so wenig Patientendaten wie möglich mit der DIZ KI-Plattform verarbeitet werden. Nach der Nutzung sind Prompts, die Patientendaten erhalten, umgehend zu löschen. Es wird stichpunktartige Kontrollen durch das DIZ geben, um eine entsprechende Löschung zu überprüfen. Ein Zuwiderhandeln wird dem Datenschutz bzw. der Informationssicherheit namentlich angezeigt. Die DIZ KI-Plattform darf im Hinblick auf Patientendaten bisher nicht für Decision-Support verwendet werden.
Mit der Nutzung der DIZ KI-Plattform stimmen Sie den erneuerten Regelungen zu.
Nature Medicine Publikation: "Benchmark evaluation of DeepSeek large language models in clinical decision-making"
In der Zeitschrift Nature Medicine wurde oben genannte Publikation am 23.04.2025 unter Mitwirkung von Dr. Sarah Sandmann, Lucas Bickmann und Dr. Julian Varghese veröffentlicht. Für nähere Informationen siehe diesen Link.
Abstract
Large language models (LLMs) are increasingly transforming medical applications. However, proprietary models such as GPT-4o face significant barriers to clinical adoption because they cannot be deployed on site within healthcare institutions, making them noncompliant with stringent privacy regulations. Recent advancements in open-source LLMs such as DeepSeek models offer a promising alternative because they allow efficient fine-tuning on local data in hospitals with advanced information technology infrastructure. Here, to demonstrate the clinical utility of DeepSeek-V3 and DeepSeek-R1, we benchmarked their performance on clinical decision support tasks against proprietary LLMs, including GPT-4o and Gemini-2.0 Flash Thinking Experimental. Using 125 patient cases with sufficient statistical power, covering a broad range of frequent and rare diseases, we found that DeepSeek models perform equally well and in some cases better than proprietary LLMs. Our study demonstrates that open-source LLMs can provide a scalable pathway for secure model training enabling real-world medical applications in accordance with data privacy and healthcare regulations.
Neue Institutsleitung
Prof. Dr. Julian Varghese hat zum 1. April 2025 seine neue Position als Direktor des Instituts für Medical Data Science (ehemals IBMI) angetreten.