1654 research outputs found
Sort by
Associations of Biomarkers of Systemic Inflammation, Angiogenesis, and Cell-to-Cell Adhesion With Tumor Budding Among Early-Onset and Later-Onset Colorectal Cancer Patients
Full text linkBackground: High tumor budding and elevated systemic inflammation are adverse prognostic indicators in colorectal cancer. Its underlying mechanisms remain poorly understood. It is unclear whether systemic inflammation, angiogenesis, and cell-to-cell adhesion influence tumor budding.
Methods: We investigated n = 132 stage I–III colorectal cancer patients recruited at Huntsman Cancer Institute enrolled in the ColoCare Study. Tumor budding was evaluated using an evidence-based scoring system, and patient sera were analyzed for nine circulating biomarkers using the Meso Scale Discovery platform. We examined associations between biomarkers and tumor budding using multivariable linear regression models adjusted for age, sex, neoadjuvant treatment, stage, and non-steroidal anti-inflammatory drug use.
Results: The study population was predominantly non-Hispanic White (95%), with a mean age of 61 years; 56% were male. Most tumors were stage III (47%), located in the colon (64%), and exhibited low-grade tumor budding (58%). Soluble intercellular adhesion molecule 1 was inversely associated with tumor budding overall (M1: β = -0.57, p = 0.03), among females (M1: β = -0.81, p-value = 0.03) and later-onset (≥ 50 years) colorectal cancer (M1: β = -0.71, p-value = 0.008). C-reactive protein was positively associated with tumor budding in males (M1: β = 0.23, p = 0.001), while interleukin-8 (M1: β = 0.96, p-value = 0.01) and soluble vascular adhesion molecule 1 (M2: β = 1.48, p-value = 0.04) were positively associated with tumor budding in early-onset patients. However, these associations did not remain statistically significant after correction for multiple testing.
Conclusion: Overall, our findings do not provide evidence of a significant association between biomarkers of systemic inflammation, angiogenesis, and cell-to-cell adhesion with tumor budding count. We observed patterns for some biomarkers, yet none remained statistically significant after correction for multiple testing. These findings provide preliminary insights for future studies.
Trial Registration: ClinicalTrials.gov: NCT02328677
KI-Forum 2025 : KI in Forschung und Lehre an Hochschulen
Full text linkAm 16.09.2025 fand an der Hochschule Hannover das KI-Forum 2025 statt. Die Tagung bot erneut eine Plattform, um sich über aktuelle Entwicklungen, Herausforderungen und Potenziale von Künstlicher Intelligenz im Hochschulkontext auszutauschen und verband Lehrende und Forschende aus Niedersachsen und darüber hinaus. Im Mittelpunkt standen die für Hochschulen für Angewandte Wissenschaften charakteristischen Aspekte von Lehre und Forschung mit starkem Anwendungsbezug. In Vorträgen, Postern und Workshops präsentierten die Beitragenden vielfältige Themen rund um KI und eröffneten damit unterschiedliche Perspektiven auf Einsatzmöglichkeiten, Nutzen und Gestaltung von KI in der Hochschulpraxis. Der Tagungsband umfasst die Beiträge des KI-Forums 2025 in Form von Papern, Postern und Workshopberichten. Er bildet die thematische Vielfalt der Veranstaltung ab und zeigt, welche Rolle KI heute an Hochschulen spielt sowie wie sie durch innovative Anwendungen, Forschungsvorhaben und didaktische Konzepte weitergedacht wird
Scheduling Individualized Products with Reinforcement Learning for Variable-Length Production Plans
Full text linkThis paper examines a reinforcement learning (RL) approach to solve a real-world, multi-objective scheduling problem in an automotive seat production line. The environment is dynamic and human-centered, aiming to optimize both tardiness and workload balance for workers. Building on prior work with fixed-length schedules, we introduce variable-sized production plans to better reflect real-world variability. A RL agent is trained using a reward based on relative performance against a genetic algorithm (GA) benchmark, capturing trade-offs between minimizing tardiness and maximizing workload variation. While the agent performs reliably on shorter plans, closely matching the GA baseline, performance in workload balancing deteriorates for larger plans. Results indicate that the agent tends to sacrifice workload balance to improve deadline adherence
Pflege und Gesundheit: Wissen teilen – Zukunft gestalten
Full text linkDieser Sammelband präsentiert ausgewählte Qualifikationsarbeiten von Studierenden der Abteilung Pflege und Gesundheit der Fakultät V – Diakonie, Gesundheit und Soziales an der Hochschule Hannover. In ihrer Vielfalt spiegeln die Beiträge zentrale Diskurse der Pflege- und Gesundheitswissenschaften wider und leisten einen essentiellen Beitrag zur Weiterentwicklung von Praxis, Theorie und Ausbildung im Kontext beruflicher Pflege sowie gesundheitlicher und therapeutischer Versorgung. Die thematische Spannweite reicht von versorgungsrelevanten Fragestellungen – etwa zur psychiatrischen Pflege von Menschen mit Borderline-Persönlichkeitsstörung oder zur physiotherapeutischen Betreuung von Menschen mit Post-COVID-Syndrom – über gesellschaftlich und institutionell relevante Themen wie Vielfalt in der Langzeitpflege oder Nachhaltigkeit im Krankenhaus bis hin zu bildungswissenschaftlichen Analysen zur Praxisanleitung, zu interprofessionellen Kompetenzen und zur Sprache in der Pflegeausbildung. Alle Beiträge basieren auf einer empirischen oder konzeptionellen Auseinandersetzung mit aktuellen Herausforderungen in der Pflege, der gesundheitlichen und therapeutischen Versorgung sowie der Aus- und Weiterbildung in den Gesundheitsberufen. Sie veranschaulichen die Bedeutung eines forschungsbasierten, evidenzorientierten und reflexiven Zugangs zu diesen Handlungsfeldern und zeigen exemplarisch, wie akademische Ausbildung zur Professionalisierung und Qualitätsentwicklung in Gesundheitsberufen beiträgt
IT-Security Risk Based Approach for Secure Operation of Distributed Data Platforms in Supply Chains
Full text linkThis research paper examines the topic of secure data exchange in a supply chain within the manufacturing sector. The objective is the development of a data platform that optimizes operational efficiency and promotes cross-company collaboration. To achieve this, helpful tools are utilized and suitable standards are followed to create a secure system. Security measures are determined by conducting a risk analysis to identify, evaluate, and compensate for potential threats. Furthermore, the utilization of non-transparent federated learning models in combination with a method of security design of components contributes to the information sovereignty of data owners. In conclusion, secure data sharing practices play a pivotal role in supporting collaboration and operational effectiveness in the manufacturing industry
Untersuchung der Effektivität synthetischer Daten für die Bildklassifizierung
Full text linkDer rasante Fortschritt im Bereich der künstlichen Intelligenz wird maßgeblich durch den unstillbaren Datenhunger moderner neuronaler Netze getrieben. Während diese Netze beeindruckende Leistungen in der Bildklassifizierung erzielen, benötigen sie dafür Millionen annotierter Trainingsbilder – eine Ressource, die in der Praxis oft schwer zu beschaffen ist. Die Erfassung und manuelle Annotation großer Datenmengen ist nicht nur zeit- und kostenintensiv, sondern stößt auch häufig an datenschutzrechtliche und ethische Grenzen.
Die Lösung für dieses Dilemma liegt in der Simulation von Daten. Durch das Erschaffen einer digitalen Welt, die der Realität täuschend ähnlich ist, in der neuronale Netze uneingeschränkt lernen dürfen, können unbegrenzte Mengen an Trainingserfahrungen generiert werden. In diesen simulierten Umgebungen können Netze Millionen von verschiedenen Objektvarianten unter verschiedenen Bedingungen erfassen, ohne dass ein einziges reales Bild erfasst werden muss. Die synthetischen Daten kommen dabei mit perfekten Annotationen – also einer Genauigkeit, die bei manueller Beschriftung realer Bilder praktisch nicht möglich wäre
KONVENS : 21th Conference on Natural Language Processing (KONVENS 2025) ; Proceedings of the Conference. Volume 1: Long and Short Papers
Full text linkKONVENS (Konferenz zur Verarbeitung natürlicher Sprache, Conference on Natural Language Processing) is an annual conference series on computational linguistics first held in 1992. Originally biennial until 2018, the conference is organized under the auspices of the German Society for Computational Linguistics and Language Technology, the Special Interest Group on Computational Linguistics of the German Linguistic Society, the Austrian Society for Artificial Intelligence, and SwissNLP. The 21st edition of KONVENS took place in Hildesheim, Germany, from September 9–12, 2025, and was jointly organized by the University of Hildesheim and the University of Applied Sciences and Arts Hannover.
This year's conference centered on artificial intelligence and large language models (LLMs), reflecting the scientific community's efforts to better understand and optimize the properties of LLMs. These topics were addressed in three plenary lectures, a lecture session on methodological issues, and a poster session on LLMs, as well as in sessions on other topics such as methods based on LLMs, discourse and semantics, multilinguality and translation, new language resources, applications of language technology beyond linguistics, and the identification of hate speech on social media.
The proceedings are published in two volumes. The first volume contains all the peer-reviewed papers from the main conference, and the second volume contains the papers from the six workshops and shared tasks organised as part of the conference
Global Energy Partnerships: Green Colonialism and an Ecological New International Economic Order
Full text linkThis chapter examines the contemporary relevance of the New International Economic Order (NIEO) and the Brandt Commission's suggestions in the climate and energy context, focusing on African nations. It analyzes recent global political and economic shifts, highlighting NIEO and Brandt Commission deficiencies in energy and climate policies. It explores persistent North–South dependency patterns, labelling them as energy imperialism and green colonialism with financial access as an example. Furthermore, the text considers the potential of a renewed ‘New International Economic Order’ (NIEO2) for promoting global partnerships for socio-ecological transformation. It draws on Global Ecological Political Economy, linking dependency, imperialism, and colonialism theories with ecological aspects
Katja Lell, Manuel Zahn: Spannungsfelder interkultureller Filmbildung
Full text linkRezension: Katja Lell, Manuel Zahn: Spannungsfelder interkultureller Filmbildun
Self-Debiasing als interaktiver Reflexionsprozess zum Aufbau von KI-Kompetenz
Full text linkGroße Sprachmodelle sind grundlegend für die Fähigkeit von auf Künstlicher Intelligenz (KI) basierenden Systemen zur Generierung von Texten in menschlicher Sprache. Trainiert auf riesigen Mengen ungefilterter von Crawlern gesammelter Daten „lernen“ die KI-Modelle Textbausteine zu generieren wie sie auch von Menschen formuliert werden würden. Die Auswahl der Trainingsdaten ist fundamental für das spätere Ausgabeverhalten von KI-Sprachmodellen, die mit den Trainingsdaten unerwünschte Vorurteile, Stereotype und diskriminierende Semantiken präsentiert bekommen. KI-Tools, die seit der Markt-einführung von ChatGPT im November 2022 aus der alltäglichen Nutzung bereits jetzt nicht mehr wegzudenken sind, spiegeln in den generierten Texten rassistische, sexistische und andere toxische Inhalte, die häufig nur schwer aufzudecken sind. Eine Debatte um die ethische Nutzung von KI-Werkzeugen und die emergenten Folgen eines unreflektierten KI-Einsatzes muss daher deutlich über die Verwendung personenbezogener und anderer im Internet verfügbarer hinaus gehen. Wir diskutieren in diesem Artikel die Notwendigkeit auf KI-Nutzendenebene selbstverantwortliches critical thinking einzuüben sowie die Voraussetzungen, die geschaffen werden müssen, um eine aktive, selbstbestimmte KI-Nutzung in verschiedenen Anwendungsszenarien mitzugestalten – auch im Sinne von Fairness und Transparenz. Grundlegend für unsere Betrachtungen ist dabei die Fähigkeit der Sprachmodelle ihre selbst-generierten Vorurteile und toxischen Inhalte zu erkennen. Wir zeigen, dass sich aus der KI-Chatfunktion genau die Handlungsspielräume ergeben, die notwendig sind, um im Dialog sowohl nutzer:innenbezogene als auch modell-inhärente Biases in Texten aufzudecken und diese unmittelbar zu beseitigen. Dabei müssen weder kuratierte Wortlisten verfasst oder Trainingsdaten selektiert werden noch die Parameter von Sprachmodellen angepasst werden. Das vorurteilsbehaftete Ausgabeverhalten von KI-Sprachmodellen lässt sich mit unserem Ansatz zwar nicht im Grundsatz verändern, jedoch ermöglicht er einen wichtigen Schritt zur (selbst-)kritischen Analyse und zum Aufbau von KI-Kompetenzen auf Nutzendenseite