Blickdaten von Ärzten steuern KI-Assistenz bei AMD
Ein UIST-Paper beschreibt Co-Annotator: Blick und Diktat von Fachärzten trainieren zwei Hilfen für die OCT-Befundung. Belege bisher nur aus einer Quelle.
Illustration: ein abgedunkelter Befundungsraum, in dem warme Farbflächen über geschichteten Schnittbildern andeuten, wo der Blick verweilt.
Co-Annotator übersetzt aufgezeichnete Blickbewegungen und Diktate erfahrener Netzhautspezialisten in zwei Assistenzfunktionen, die laut dem Paper die Zahl korrekter Diagnosen pro Minute um 40 % erhöhen und die Bearbeitungszeit an den Befundkommentaren um 67 % senken.
Auf einen Blick
- Preprint vom 31.08.2026, 23 Seiten, 11 Abbildungen; angenommen für UIST '26 in Detroit, 2. bis 5. November 2026.
- Zwei Bausteine: ein blickausgerichteter Vision Transformer für Interessensbereiche und ein ontologisch begrenztes VLM für Befundtexte.
- Drei Nutzerstudien: US1 sammelt Expertendaten, US2 prüft beide Hilfen einzeln, US3 kombiniert sie an zwei akademischen Einrichtungen.
- Zahlen aus US3: 40 % mehr korrekte Diagnosen pro Minute, 67 % weniger Zeit für das Nachbearbeiten der Kommentare.
- Nicht angegeben: Teilnehmerzahlen, Modellgrößen, Code-Link, Vergleich mit anderen Assistenzsystemen.
Co-Annotator übersetzt aufgezeichnete Blickbewegungen und Diktate erfahrener Netzhautspezialisten in zwei Assistenzfunktionen, die laut dem Paper die Zahl korrekter Diagnosen pro Minute um 40 % erhöhen und die Bearbeitungszeit an den Befundkommentaren um 67 % senken. Das Team um Ziheng Li und Kaveri A. Thakoor hat den Preprint am 31.08.2026 bei arXiv eingestellt. Die Arbeit soll auf der UIST '26 vom 2. bis 5. November 2026 in Detroit erscheinen.
Der Ansatz setzt an der Arbeitsweise an, nicht an der Trefferquote
Klinische KI werde meist auf Vorhersagegüte optimiert, ohne zu berücksichtigen, wie Ärztinnen und Ärzte entscheiden, wohin sie schauen und was sie aufschreiben — mit dieser Beobachtung eröffnen die Autoren ihr Abstract. Co-Annotator greift deshalb zwei Engstellen des Arbeitsablaufs an: die visuelle Suche im Bild und den Dokumentationsaufwand danach.
Gegenstand ist die optische Kohärenztomografie der Netzhaut, das Standardverfahren bei altersbedingter Makuladegeneration. Der erste Baustein ist ein blickausgerichteter Vision Transformer, der aus den Fixationen der Fachleute Interessensbereiche im Schnittbild ableitet. Der zweite ist ein ontologisch begrenztes Vision-Language-Modell, das eine Zusammenfassung der Biomarker vorausfüllt — als editierbarer Entwurf, nicht als endgültiger Befund.
Drei Studien mit unterschiedlicher Rolle
Die erste Studie diente dem Sammeln der Expertendaten, aus denen die Modelle lernen. In der zweiten, einer kontrollierten Untersuchung mit Assistenzärztinnen und -ärzten, wirkte jede Hilfe für sich: Die Markierung der Interessensbereiche verbesserte die Effizienz beim Betrachten, das Sprachmodell verdoppelte die Breite der dokumentierten Biomarker nach Angabe der Autoren mehr als.
Erst die dritte Studie kombinierte beides im Einsatz an zwei akademischen Einrichtungen. Dort entstanden die beiden Kennzahlen 40 % und 67 %. Die Autoren betonen, die diagnostische Genauigkeit habe darunter nicht gelitten; ihre Kernaussage lautet, dass sich zwei getrennte Engstellen gleichzeitig entschärfen lassen.
Was diese Meldung nicht belegen kann
Zu dieser Arbeit liegt bislang nur eine einzige unabhängige Quelle vor: die arXiv-Seite des Preprints. Eine zweite Redaktion hat die Ergebnisse nicht nachgeprüft, und AI IN LIFE hat keine weitere Quelle geöffnet. Alle genannten Zahlen sind Angaben der Autoren.
Die Abstract- und Metadatenseite nennt weder die Zahl der Teilnehmenden noch die Größe der Modelle. Auch die Namen der zwei Einrichtungen, ein Link auf den Quellcode und ein Vergleich mit bestehenden Assistenzsystemen fehlen dort. Ob die Prozentwerte über diese beiden Standorte hinaus tragen, ist damit offen — die vorliegende Quelle erlaubt dazu keine Aussage.
Warum die Einordnung trotzdem lohnt
Blickdaten als Trainingssignal sind in der Bildbefundung kein neuer Gedanke, ihre Kopplung mit einem vorausgefüllten, ontologisch eingegrenzten Textentwurf ist der eigentliche Vorschlag der Arbeit. Die Annahme auf einer Konferenz für Benutzerschnittstellen verortet das Projekt bei der Mensch-Computer-Interaktion, eingereicht ist es zusätzlich unter künstlicher Intelligenz. Belastbar wird das Bild erst, wenn unabhängige Gruppen die Zahlen an eigenen Patientendaten nachvollziehen.
Häufige Fragen
Was macht Co-Annotator genau?
Das System markiert im OCT-Schnittbild Bereiche, auf die erfahrene Fachleute typischerweise schauen, und füllt zusätzlich einen editierbaren Entwurf der Biomarker-Zusammenfassung vor. Beide Hilfen entstehen aus aufgezeichnetem Blick und Diktat von Expertinnen und Experten.
Wie zuverlässig sind die 40 % und 67 %?
Es sind Zahlen aus der dritten Nutzerstudie des Autorenteams, veröffentlicht als Preprint. Eine unabhängige Nachprüfung liegt uns nicht vor, und die Abstractseite nennt keine Teilnehmerzahlen, an denen sich die Werte einordnen ließen.
Ist das System schon im klinischen Einsatz?
Die Quelle beschreibt einen kombinierten Einsatz an zwei akademischen Einrichtungen im Rahmen der dritten Studie. Über eine Zulassung, ein Produkt oder einen Regelbetrieb außerhalb dieser Studie sagt sie nichts.
