Open-Source-Modell beschleunigt den weltweiten Fortschritt im Bereich der medizinischen Video-KI

SHANGHAI, 29. September 2026 /PRNewswire/ -- Dank eines Open-Source-Modells, eines öffentlich zugänglichen Datensatzes und Benchmarks sowie der „MedVidU Challenge", einem globalen Forschungswettbewerb, verfügen Forscher weltweit nun über eine gemeinsame Grundlage für die Weiterentwicklung der medizinischen Video-KI. An der Challenge nahmen 75 Teams aus 18 Ländern und Regionen auf fünf Kontinenten teil und brachten vielfältige Ideen und Ansätze in ein Ökosystem ein, das von der breiteren Forschungsgemeinschaft geprägt wird.

Die Teilnehmer vertraten führende Universitäten, medizinische Einrichtungen und Technologieunternehmen, darunter die Harvard Medical School, die Universität Oxford, das Universitätsklinikum der LMU, die Nanyang Technological University, die King Abdullah University of Science and Technology, die Universität Hongkong und NVIDIA.

Unterstützt wird diese gemeinschaftsgetriebene Dynamik durch umfassende Bemühungen von United Imaging Intelligence (UII), die gemeinsamen Ressourcen und Plattformen zu schaffen, die erforderlich sind, damit die Forschung im Bereich der medizinischen Video-KI in großem Maßstab voranschreiten kann.

Schaffung einer offenen Grundlage für globale Zusammenarbeit

Das Verständnis medizinischer Videos bleibt eine der anspruchsvollsten Herausforderungen der KI und erfordert präzises räumliches Verständnis, komplexes zeitliches Schlussfolgern und strenge klinische Genauigkeit. Fortschritte wurden bisher oft durch begrenzte klinische Daten und die hohen Kosten für die Annotation durch Experten behindert.

UII geht diese Hindernisse durch ein offenes Rahmenwerk an, das darauf ausgelegt ist, Forschungsfortschritte messbar zu machen und die globale Zusammenarbeit zugänglicher zu gestalten. Im April, nach der Annahme seiner MedGRPO-Forschungsarbeit auf der CVPR 2026, veröffentlichte UII „uAI NEXUS MedVLM" und stellte 6.245 MedVidBench-Testbeispiele als Open Source zur Verfügung. Diese Beispiele sind Teil einer umfassenderen Forschungssammlung von 531.850 Video-Anweisungs-Paaren, die UII anhand von acht bestehenden, öffentlich zugänglichen medizinischen Videodatensätzen annotiert hat. Der Zugriff auf die einzelnen Komponenten unterliegt den jeweiligen Veröffentlichungsbedingungen und den geltenden Lizenzen für die Quelldaten.

Neben dem Modell und dem Datensatz hat das UII die öffentliche Rangliste „MedVidBench" ins Leben gerufen, die Modelle anhand von zehn Metriken bewertet, darunter die Vorhersage der nächsten Aktion, die Kompetenzbewertung und die räumlich-zeitliche Verankerung. Zusammen bieten diese Ressourcen Forschern einen gemeinsamen Ausgangspunkt und eine einheitliche Methode, um ihre Modelle zu vergleichen und zu verfeinern.

Um diese gemeinsame Grundlage in kollektiven Fortschritt umzuwandeln, hat das UII im Sommer 2026 gemeinsam mit der Universität Straßburg und der Technischen Universität München die „MedVidU Challenge" ins Leben gerufen. Das UII veröffentlichte zudem einen zweiten MedVidBench-Datensatz mit 6.270 Testbeispielen.

Innerhalb von etwa drei Monaten nach der jüngsten Veröffentlichung verzeichnete MedVidBench mehr als 30.000 Downloads und wurde von Forschern weltweit zitiert, was das wachsende Interesse der globalen Forschungsgemeinschaft widerspiegelt.

Globale Expertise bündeln, um neue Grenzen zu erkunden

Laut der aktuellen Rangliste schafften es vier Teams in die Endrunde der Challenge. Zwei Teams wurden eingeladen, ihre Ergebnisse auf dem ECCV 2026 MedVidU-Workshop vorzustellen, der im September in Malmö, Schweden, stattfand.

Im Rahmen des Workshops wurden zudem zwei akzeptierte Beiträge mündlich präsentiert, die neue Wege zur Erweiterung der Trainingsressourcen für chirurgische KI und zur Weiterentwicklung der Beurteilung chirurgischer Fähigkeiten untersuchten. In breiter angelegten Diskussionen wurden Perspektiven aus der Biomedizintechnik und der Robotik zusammengeführt, wodurch neue Entwicklungsrichtungen in der medizinischen Video-KI hervorgehoben wurden.

Chirurgische und klinische Eingriffe werden routinemäßig aufgezeichnet, doch ein Großteil dieser Videoaufnahmen wird nach wie vor nicht ausreichend genutzt. KI für medizinische Videos könnte neuen klinischen Nutzen erschließen, indem sie die chirurgische Ausbildung durch strukturiertes Feedback unterstützt, bei intraoperativen Sicherheitskontrollen hilft und die postoperative Auswertung sowie Dokumentation optimiert – mit potenziellen Anwendungsmöglichkeiten in der Pflege und im Fernmentoring.

UII baut ein offenes Ökosystem aus gemeinsamen Ressourcen, transparenter Bewertung, globalem Wettbewerb und Forschungsaustausch auf, um dazu beizutragen, Fortschritte in der medizinischen Video-KI in die klinische Praxis zu übertragen.

Öffentliche Rangliste: https://huggingface.co/spaces/UII-AI/MedVidBench-Leaderboard 

Datenquellen: https://huggingface.co/datasets/UII-AI/MedVidBench 

Erklärung: Die genannten Datensätze sind öffentlich zugänglich, anonymisiert, ordnungsgemäß lizenziert und vollständig mit Quellenangaben versehen. Beide Datensätze sind für nichtkommerzielle Forschungs- und Evaluierungszwecke unter den geltenden Bedingungen bestimmt. Die Trainingsdaten von Datensatz 2 stehen ausschließlich den Teilnehmern des Wettbewerbs zur Verfügung.