Beide Fassungen sind Block für Block ausgerichtet, in der Reihenfolge des Textes: Titel, das Wesentliche, dann Absatz für Absatz. Wo die Übersetzung einen Absatz zusammengezogen oder geteilt hat, bleibt das entsprechende Feld leer — wir stellen niemals zwei Passagen nach Gefühl nebeneinander.
Ask an AI model about a mammogram and it returns a diagnosis. It does not say how much to trust that particular answer. A team from the University of Pittsburgh has built a model that does: a deep neural network, or DNN, that gives each patient a diagnosis together with an uncertainty score. The work was presented at the annual meeting of the Society of Photo-Optical Instrumentation Engineers (SPIE) in February 2026, in Vancouver, Canada.
Fragt man ein KI-Modell nach einer Mammografie, liefert es eine Diagnose. Es sagt aber nicht, wie sehr man dieser konkreten Antwort trauen kann. Ein Team der Universität von Pittsburgh hat ein Modell entwickelt, das genau das tut: ein tiefes neuronales Netz, kurz DNN, das jeder Patientin eine Diagnose zusammen mit einem Unsicherheitswert liefert. Die Arbeit wurde auf der Jahrestagung der Society of Photo-Optical Instrumentation Engineers (SPIE) im Februar 2026 in Vancouver, Kanada, vorgestellt.
DNNs learn from training sets in which humans have labeled the right answers. They become very good at predicting the likely answer across a population of patients, sometimes almost all of the time. They are much weaker at telling how reliable a diagnosis is for one person. For a disease that threatens life, the team points out, even a few wrong diagnoses are catastrophic for the patients they affect. The team’s method, which it calls uncertainty-weighted learning (UWL), feeds the uncertainty score into training itself, so the model learns to handle uncertain cases more carefully.
DNN lernen aus Trainingsdatensätzen, in denen Menschen die richtigen Antworten markiert haben. Sie werden darin sehr gut darin, die wahrscheinliche Antwort für eine Patientengruppe vorherzusagen, teils nahezu in allen Fällen. Deutlich schwächer sind sie darin, zu beurteilen, wie verlässlich eine Diagnose für einen einzelnen Menschen ist. Bei einer lebensbedrohlichen Krankheit, so das Team, seien selbst wenige falsche Diagnosen für die betroffenen Patienten verheerend. Die Methode des Teams, die es gewichtetes Lernen unter Unsicherheit (UWL) nennt, fließt den Unsicherheitswert direkt in das Training ein, sodass das Modell lernt, unsichere Fälle sorgfältiger zu behandeln.
The obstacle was computing. Mammograms are large, high-resolution images, and graphics processing units (GPUs), the chips DNNs run best on, need large shared memory to process each one without constant trips to storage. Jiren Li, a PhD student, obtained time on Bridges-2, the supercomputer of PSC, through ACCESS, the network of supercomputing sites run by the US National Science Foundation (NSF). Bridges-2 offered 47 GPU nodes with 384 late-model GPUs, and each node has between 128 and 2,000 gigabytes of RAM, against 64 GB in a high-end laptop. Its Ocean storage system holds 15 petabytes of usable data.
Das eigentliche Hindernis war die Rechenleistung. Mammografien sind große, hochauflösende Bilder, und Grafikprozessoren (GPUs), auf denen DNN am besten laufen, brauchen großen gemeinsamen Speicher, um jedes Bild ohne ständige Zugriffe auf den Massenspeicher zu verarbeiten. Jiren Li, Doktorand, erhielt über ACCESS Rechenzeit auf Bridges-2, dem Supercomputer des PSC. ACCESS ist ein Netzwerk von Supercomputing-Standorten, das von der US-Wissenschaftsstiftung National Science Foundation (NSF) betrieben wird. Bridges-2 bot 47 GPU-Knoten mit 384 aktuellen GPUs, und jeder Knoten verfügt über 128 bis 2.000 Gigabyte Arbeitsspeicher, verglichen mit 64 GB in einem High-End-Laptop. Das Speichersystem Ocean fasst 15 Petabyte nutzbare Daten.
The first analysis, which compared several UWL-based DNNs, was encouraging. One of them gave good estimates of its own uncertainty, signaling to doctors and patients when a diagnosis may be less reliable for a specific patient. It did this without losing accuracy across the population as a whole. The reporting gives no accuracy figures for the model, and the team describes this as a first analysis, not a clinical validation.
Die erste Analyse, in der mehrere UWL-basierte DNN verglichen wurden, fiel ermutigend aus. Eines davon lieferte gute Schätzungen seiner eigenen Unsicherheit und signalisierte Ärzten und Patienten, wenn eine Diagnose für einen bestimmten Patienten weniger verlässlich sein könnte. Dabei verlor es nicht an Genauigkeit über die Patientengruppe insgesamt. Die Berichterstattung nennt keine Genauigkeitswerte für das Modell, und das Team bezeichnet dies als erste Analyse, nicht als klinische Validierung.
For radiologists, the gain would be a second signal next to each answer, showing which cases deserve a closer read. For patients, it would be a warning when a diagnosis is less reliable for them personally. The team says the same approach could apply to other critical uses of AI, beyond breast cancer. It gives no timeline for clinical use, and the model is still at the research stage.
Für Radiologen wäre der Gewinn ein zweites Signal neben jeder Antwort, das zeigt, welche Fälle einen genaueren Blick verdienen. Für Patienten wäre es eine Warnung, wenn eine Diagnose für sie persönlich weniger verlässlich ist. Das Team sagt, derselbe Ansatz könne auch für andere kritische KI-Anwendungen gelten, über Brustkrebs hinaus. Einen Zeitplan für den klinischen Einsatz nennt es nicht, das Modell befindet sich noch im Forschungsstadium.