ARK erschließt das Potenzial zur eigenständigen Entwicklung multimodaler KI-Algorithmen – ganz ohne Programmierkenntnisse. Die Plattform integriert nahtlos den gesamten Prozess: vom Datenimport und der Annotation über Modellierung, Testung und Validierung bis hin zur Veröffentlichung. So ermöglicht ARK medizinischem Fachpersonal, Workflows zu optimieren, Diagnosen zu verbessern und verwertbare Erkenntnisse für bessere Patientenergebnisse zu liefern.
KI-Modellverwaltung
Unterstützung multimodaler Features
Ermöglicht die Integration vielfältiger Domänenfeatures, sodass KI-Modelle verschiedene Datenquellen analysieren können – für umfassendere und genauere Vorhersagen.
Segmentierungs-Container
Bietet präzise Segmentierungswerkzeuge wie Total Segmentator und MedSam, die sowohl automatisierte als auch manuelle Segmentierungsaufgaben bei Domänenbildern unterstützen.
Workflow-Optimierung
Integration mit PaxeraHealth Viewer
ARK Chatbot
Das Chatbot-Feature bietet kontextbezogene Eingabeaufforderungen, die Nutzer je nach aktuellem Workflow-Stadium unterstützen, z. B. bei der Benutzerführung, Modellauswahl und wissenschaftlichen Suche. Zudem werden aktive Links zu relevanten Aktionen auf Basis von Schlüsselwörtern bereitgestellt, Fehlermeldungen mit alternativen Lösungen angezeigt und Sitzungsdetails wie API-Aufrufe und Konfigurationen gespeichert – für einen reibungslosen Projektstart und Modelltraining.
ARK Modell-Versionierung
Verfolgt alle Konfigurationsänderungen mit Versionierung inklusive Änderungsdatum und -zeit. Versionen sind in einem Dropdown im Modellbildschirm von ARK Lab auswählbar. Nutzer können spezifische Versionen für neues Training, Deployment, Modellvergleiche und Experimentprotokolle auswählen. Versionsinformationen werden im Training und bei Auswertungen berücksichtigt.
Vergleich von ARK Modell-Experimenten
Bietet Datenwissenschaftlern einen umfassenden Vergleichsbildschirm mit Leistungskennzahlen mehrerer trainierter KI-Modelle, einschließlich detaillierter Liniendiagramme zu Verlust und Genauigkeit über Trainingszyklen. Verschiedene Farben und Stile erleichtern die Unterscheidung, Hover-Labels zeigen Experiment- und Metriknamen, und mehrere Diagramme pro Modellausgabe unterstützen die Auswahl des leistungsstärksten Modells.
Unterstützung für 3D-Klassifikationsmodelle
Die ARK-Plattform unterstützt nun 3D-Daten für Klassifikationsprojekte, ermöglicht detaillierte räumliche Analysen und verbessert die Genauigkeit bei komplexen Anwendungen wie der medizinischen Bildgebung.
ARK Modell-Import
Ermöglicht den nahtlosen Import von Modellen im .px-Format über den ARK Manager, was die Integration vortrainierter oder kundenspezifischer Modelle direkt in die Plattform erleichtert. Dieses Feature optimiert Workflows durch schnelle Modellintegration und -bereitstellung für verschiedene Anwendungen.
Integration der öffentlichen Modellbibliothek (Hugging Face 
)
Integriert die Hugging Face API in ARK platform, sodass Nutzer Modelle durchsuchen, suchen und importieren können. Unterstützt das Herunterladen ausgewählter Modelle während des Datenabrufs im ARK Manager, um vortrainierte Funktionen direkt in Analyseprojekte einzubinden.
Neue spezialisierte Modelle (Zero-Code-Modellerstellung)
Integriert fortschrittliche KI-Modelle zur Erkennung eines breiten Spektrums von Erkrankungen, darunter 2D-Klassifikationsmodelle für intrakranielle Blutungen, Hirntumoren, Alzheimer, Lungenkrebs, Nierentumoren, Brustentzündung, Schilddrüsentumoren, Knochenbrüche, diabetische Retinopathie und COVID-19. Unterstützt zudem 3D-Segmentierungsmodelle für Prostata- und Pankreaserkrankungen, Multiple Sklerose, Hirntumore und Nierenzellkarzinome (RCC).
Unterstützung für Multimodale Modellerstellung
Die Multimodal-Funktionalität von ARK ermöglicht die Erstellung und Verwaltung klinischer Merkmale, einschließlich Risikofaktoren wie Anamnese, Laborwerte, Medikation und Vitalparameter. Dies stellt die Kompatibilität von Modellen mit Multi-Input-Features über Text- und Bild-Encoder sicher und erhöht Genauigkeit und Relevanz.
GradCam für Klassifikationsmodelle
Ermöglicht das Extrahieren von GradCam-Schichten aus der Modellstruktur zur Auswahl und Visualisierung von Modellvorhersagen im Evaluationsbildschirm. So können Nutzer nachvollziehen, welche Eingabebereiche die Klassifikationsentscheidungen des Modells beeinflusst haben.