NewsMedizinKünstliche Intelligenz kann Röntgenthorax beschleunigen
Als E-Mail versenden...
Auf facebook teilen...
Twittern...
Drucken...

Medizin

Künstliche Intelligenz kann Röntgenthorax beschleunigen

Donnerstag, 24. Januar 2019

/BillionPhotos.com, stockadobecom

Coventry/England – Eine Software, die mithilfe künstlicher Intelligenz im Röntgenthorax nach Auffälligkeiten sucht, könnte Radiologen in Zukunft bei einer zeitraubenden Routineaufgabe entlasten. In einer Studie in Radiology (2019; doi: 10.1148/radiol.2018180921) wurden Normalbefunde fast immer erkannt, sodass die Radiologen rascher kritische und dringende Befunde erkennen und kommunizieren könnten.  

Die Thoraxübersichtsaufnahme ist die häufigste Röntgenuntersuchung. In den meisten Fällen liegt ein Normalbefund oder ein Ergebnis vor, das keine dringende Reaktion erfordert (etwa eine Kardiomegalie oder eine Hiatushernie). Manchmal liegt ein dringender Befund vor, der eine behandlungsbedürftige Erkrankung anzeigt. Dies kann ein Pleuraerguss oder eine Raumforderung sein. In seltenen Fällen, etwa bei einem Pneumothorax, liegt eine kritische Situation vor, die eine rasche Intervention erforderlich macht.

Anzeige

In vielen Kliniken kommt es durch die hohe Arbeitsbelastung der Radiologen zu Verzögerungen. Eine Software, die jeden Röntgenthorax analysiert und eine Vorauswahl (Triage) trifft, könnte die Arbeitsabläufe beschleunigen. Ein Team um Giovanni Montana von der University of Warwick in Coventry hat eine solche Software erprobt.

Bei der künstlichen Intelligenz werden der Software keine Vorgaben gemacht. Sie analysiert die Bilder vorurteilsfrei und vergleicht sie mit früheren Diagnosen. Die künstliche Intelligenz durchläuft dabei eine Lernphase. Je mehr Bilder analysiert werden und mit der tatsächlichen Diagnose in Beziehung gesetzt werden, desto besser wird die Treffsicherheit.

An der englischen Universität standen 470.388 Bilder in digitalem Format zur Verfügung. Damit die Software an ihnen lernen kann, mussten die Forscher zunächst die Befunde der Radiologen den 4 Kategorien „normal“, „nicht dringend“, „dringend“ und „kritisch“ zuordnen. Dies konnte angesichts der Masse unmöglich von einem Menschen erledigt werden. Die erste Aufgabe bestand deshalb in einem Programm zur Analyse der Befundtexte („Natural Language Processing“ NLP). Die Entwicklung des NLP war für die Progammierer die schwierigere Aufgabe. Die Software war am Ende jedoch in der Lage, die 4 Dringlichkeitsstufen anhand der schriftlichen Befunde zu erkennen. Schwierig wurde es beispielsweise, wenn der Radiologe selbst nicht sehr präzise war und etwa „parenchymale Läsionen“ befundete. „Verschattungen“ und „Opazitäten“ wurden leichter (als mögliche Hinweise auf Karzinome) erkannt und wenn die Radiologen einen „Pleuraerguss“ oder eine „Kardiomegalie“ diagnostiziert hatten, war die Kategorisierung einfach.

Als nächstes musste die künstliche Intelligenz lernen, selber Röntgenbilder zu beurteilen. Sie sollte dabei keine Diagnose stellen, sondern die Bilder lediglich den genannten 4 Kategorien zuordnen. Die wichtigste Aufgabe bestand darin, die vielen Normalbefunde zu erkennen, auf die der Radiologe im Idealfall am Ende des Tages nur einen kurzen abschließenden Blick werfen müsste.

Die künstliche Intelligenz hat diese Aufgabe nach Einschätzung von Montana gut erledigt. Eine Sensitivität von 71 %, eine Spezifität von 95 %, ein positiver Vorhersagewert von 73 % und ein negativer Vorhersagewert von 99 % bedeuten, dass die Software zwar nicht alle Befunde erkennt. Wenn sie allerdings einen Normalbefund feststellt, war dies in den meisten Fällen eine verlässliche Einteilung. Bei 5 Auf­nahmen, in denen nach dem Urteil der Radiologen ein kritischer Befund bestand, hatte die künstliche Intelligenz einen Normalbefund gesehen. Die Überprüfung durch erfahrene Radiologen ergab, dass die künstliche Intelligenz in 4 der 5 Fälle recht hatte und die Radiologen sich geirrt hatten.

In einer Computersimulation wurde dann überprüft, ob die künstliche Intelligenz den Arbeitsablauf beschleunigen könnte. Dies wäre laut den von Montana vorgestellten Ergebnissen vermutlich der Fall. Die durchschnittliche Meldeverzögerung wurde bei kritischen Befunden von 11,2 auf 2,7 Tage und bei dringenden Befunden von 7,6 auf 4,1 Tage verkürzt. © rme/aerzteblatt.de

Liebe Leserinnen und Leser,

diesen Artikel können Sie mit dem kostenfreien „Mein-DÄ-Zugang“ lesen.

Sind Sie schon registriert, geben Sie einfach Ihre Zugangsdaten ein.

Oder registrieren Sie sich kostenfrei, um exklusiv diesen Beitrag aufzurufen.

Loggen Sie sich auf Mein DÄ ein

E-Mail

Passwort


Mit der Registrierung in „Mein-DÄ“ profitieren Sie von folgenden Vorteilen:

Newsletter
Kostenfreie Newsletter mit täglichen Nachrichten aus Medizin und Politik oder aus bestimmten Fachgebieten
cme
Nehmen Sie an der zertifizierten Fortbildung teil
Merkfunktion
Erstellen Sie Merklisten mit Nachrichten, Artikeln und Videos
Kommentarfunktion und Foren
Kommentieren Sie Nachrichten, Artikel und Videos, nehmen Sie an Diskussionen in den Foren teil
Job-Mail
Erhalten Sie zu Ihrer Ärztestellen-Suche passende Jobs per E-Mail.

Leserkommentare

E-Mail
Passwort

Registrieren

Um Artikel, Nachrichten oder Blogs kommentieren zu können, müssen Sie registriert sein. Sind sie bereits für den Newsletter oder den Stellenmarkt registriert, können Sie sich hier direkt anmelden.

LNS

Nachrichten zum Thema

11. Juli 2019
Berlin – Die Deutschen haben sich in einer von Bildungs- und Forschungsministerin Anja Karliczek (CDU) beauftragten repräsentativen Umfrage zu künstlicher Intelligenz (KI) in der Medizin überwiegend
Mehr als zwei Drittel der Deutschen befürworten künstliche Intelligenz in der Medizin
11. Juli 2019
Ludwigsburg – Eine Mehrheit der Bundesbürger ab 55 Jahren stellt sich auf die Pflege durch Roboter ein. Gut zwei Drittel erwarten, dass maschinelle Helfer bei Bedarf ihren Gesundheitszustand
Generation 55plus rechnet mit Pflege durch Roboter
3. Juli 2019
Berlin – Für die freiwillige Datenspende im Gesundheitsbereich sollte eine rechtssichere Regulierung erarbeitet werden. Das empfiehlt die Arbeitsgruppe „Gesundheit, Medizintechnik, Pflege“ der
KI-Experten der Plattform Lernende Systeme plädieren für freiwillige Datenspende
26. Juni 2019
Berlin – Was in Japan längst Usus ist, könnte auch in deutschen Pflegeheimen zum Standard werden: Pflegeroboter, treffender auch als Assistenzroboter beschrieben, versprechen Auswege aus der drohenden
Ethikrat diskutiert ethische Herausforderungen der Robotik in der Pflege
20. Juni 2019
München – Eine Open-Access-Plattform „Kipoi“ mit Algorithmen zum maschinellen Lernen in der Genomforschung haben Wissenschaftler der Technischen Universität München (TUM) zusammen mit Forschern
Open-Access-Plattform bietet Wissenschaftlern neue Algorithmen zur Genomforschung
19. Juni 2019
Birmingham/Alabama – Die Fachverbände der US-Radiologen gehen davon aus, dass Computerprogramme in Zukunft einen Teil ihrer Arbeit übernehmen werden. In Radiology (2019; 291:781-791) und im Journal of
In der Radiologie führt kein Weg an künstlicher Intelligenz vorbei
18. Juni 2019
Chicago – Eine zusätzliche Bestrahlung hat in einer randomisierten Studie zwar gegenüber einer alleinigen Chemotherapie die Zahl der lokalen Rezidive beim fortgeschrittenen Endometriumkarzinom
LNS LNS

Fachgebiet

Anzeige

Weitere...

Aktuelle Kommentare

Archiv

NEWSLETTER