KI News: Kurz und klar.

Genauere Vorhersagen der Segmente einer Schiffsreise sind entscheidend, um maritime Fahrpläne zuverlässiger zu gestalten und Hafenabläufe langfristig zu optimieren. Traditionelle ETA‑Modelle konzentrieren sich jedoch meist auf den unmittelbar nächsten Hafen und nutzen Echtzeit‑AIS‑Daten, die für zukünftige Segmente nicht verfügbar sind.

Automatische Identifikationssysteme (AIS) liefern entscheidende Informationen für die maritime Situationsbewusstsein, doch häufig leiden die Daten unter Domain‑Shift, Knappheit und Klassenungleichgewicht. Diese Probleme erschweren die Entwicklung leistungsfähiger Vorhersagemodelle.

Ein neues Forschungsprojekt aus dem Open-Source-Bereich hat ein leistungsfähiges Tool namens COPE (Chain‑of‑Thought Outcome Prediction Engine) vorgestellt, das die 90‑Tage‑Ergebnisse von Patienten mit akutem ischämischem Schlaganfall (AIS) aus unstrukturierten klinischen Notizen vorhersagen kann. Die Studie umfasste 464 AIS‑Patienten, deren Entlassungsberichte und 90‑Tage‑Scores des modifizierten Rankin‑Skal (mRS) analysiert wurden.