NewsThemenRadiologieKünstliche Intelligenz: Computersoftware hilft, Röntgenthoraxbilder rascher zu kategorisieren
Radiologie

Radiologie

MEDIZINREPORT: Studien im Fokus

Künstliche Intelligenz: Computersoftware hilft, Röntgenthoraxbilder rascher zu kategorisieren

Dtsch Arztebl 2019; 116(12): A-584 / B-479 / C-471

Meyer, Rüdiger

Als E-Mail versenden...
Auf facebook teilen...
Twittern...
Drucken...
LNSLNS
Foto: Romolo Tavani/stock.adobe.com
Foto: Romolo Tavani/stock.adobe.com

Eine künstlich intelligente (KI) Software, die im Röntgenthoraxbild nach Auffälligkeiten sucht, könnte Radiologen künftig zeitlich entlasten. Sie erkennt einer aktuellen Studie zufolge Normalbefunde fast immer, sodass sich die Ärzte rascher den kritischen und dringenden Befunden widmen könnten (1).

Der Röntgenthorax ist die häufigste Röntgenuntersuchung. Meist ist der Befund normal oder bedarf keiner dringenden Reaktion. Mitunter handelt es sich um behandlungsbedürftige Diagnosen, etwa eine Raumforderung. Noch seltener sind kritische, interventionsbedürftige Fälle wie ein Pneumothorax.

Ein KI-System zur Vorauswahl (Triage) könnte die Arbeitsabläufe beschleunigen. Das Team um Giovanni Montana von der University of Warwick in Coventry hat hierfür eine KI-Software erprobt, die anhand von 470 388 digitalen Thoraxaufnahmen üben und bei jedem Bild dazulernen konnte. Nach einer ersten Lernphase gelang es dem KI-System, 4 Kategorien („normal“, „nicht dringend“, „dringend“ und „kritisch“) zu unterscheiden und mit dem schriftlichen Befund des Radiologen zu matchen. Schwierig wurde es nur, wenn dieser nicht präzise formulierte („parenchymale Läsion“). „Verschattung“ wurde schon besser als Hinweis auf Karzinome erkannt. Bei „Pleuraerguss“ oder „Kardiomegalie“ war die Kategorisierung für die KI einfach.

Schließlich lernte das System in einem zweiten Schritt, selbstständig Röntgenthoraxbilder in 4 Kategorien einzuordnen. Das hat offenbar gut funktioniert, wie eine Sensitivität von 71 %, eine Spezifität von
95 %, ein positiver Vorhersagewert von 73 % und ein negativer Vorhersagewert von 99 % belegen. Zwar erkennt die Software nicht alles eindeutig, aber beim Normalbefund war sie meist verlässlich.

Fazit: Bei 5 Aufnahmen, die die Radiologen als „kritisch“ sahen, tippte die KI auf „normal“. Die Überprüfung durch erfahrene Fachärzte ergab, dass die KI hier sogar in 4 der 5 Fälle richtig lag. In einer Computersimulation wurde schließlich überprüft, ob dies alles die Arbeitsabläufe beschleunigen könnte: Ohne Unterstützung wurden kritische Befunde durchschnittlich 11,2 Tage verzögert gemeldet, dies ließ sich mit KI auf 2,7 Tage verkürzen. Bei dringenden Befunden ging es ebenfalls schneller (4,1 Tage statt 7,6 Tage). Rüdiger Meyer

Annarumma M, et al.: Automated Triaging of Adult Chest Radiographs with Deep Artificial Neural Networks. Radiology 22. Jan. 2019 https://doi.org/10.1148/radiol.2018180921

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.