Künstliche Intelligenz hilft dem Radiologen – ersetzt ihn aber nicht

Bei der Interpretation von Röntgenbefunden des Brustkorbs mithilfe von Algorithmen kann die künstliche Intelligenz auf Basis des „Deep Learning“ eine gewisse Hilfestellung leisten. Die Erfahrungen von Radiologen lassen sich dadurch aber bisher noch nicht ersetzen. Hinweis: Das Wichtigste in Kürze zu dieser Studie finden Sie am Ende des Artikels. In Zusammenarbeit mit indischen und thailändischen Wissenschaftlern haben US-Radiologen das Potenzial der künstlichen Intelligenz bei der Befundinterpretation ausgelotet und dabei auf Röntgenaufnahmen des Thorax zurückgegriffen, die im vergangenen Jahr durch die US-Nationalen Gesundheitsinstitute für die Forschung freigegeben worden waren. In ihrer Studie haben die Wissenschaftler um Dr. Ramandeep Singh vom Massachusetts General Hospital in Boston die Leistungsfähigkeit eines Computerprogramms des 2016 gegründeten indischen Unternehmens Qure.ai aus Mumbai getestet. Grundlage für ihre Studie waren insgesamt 874 Aufnahmen des Thorax von 724 Patienten. Zur Entwicklung des Algorithmus wurden mehr als 1,1 Millionen Röntgenaufnahmen des Thorax genutzt. Vier Parameter im Fokus der Studie In der Studie konzentrierten sich die Wissenschaftler ausschließlich auf den Nachweis von pulmonalen Verschattungen, Pleuraergüssen, vergrößerten Herzschatten sowie eines prominenten Lungenhilus. Die Beurteilungen von zwei erfahrenen Radiologen wurden als Referenzstandard festgelegt. Zugleich standen vier Ärzte als Testradiologen zur Verfügung, denen die Ergebnisse des Computerprogramms nicht bekannt waren. Wie die Wissenschaftler berichten, war das Computerprogramm insgesamt betrachtet besser oder ähnlich gut im Beurteilen von Röntgenbefunden wie die Testradiologen – je nach Erfahrung der Ärzte. Die Genauigkeit beim Erkennen von vergrößerten Herzschatten, Pleuraerguss und pulmonalen Verschattungen war ähnlich der der Radiologen. Am besten erkannten sowohl Computerprogramm als auch Radiologen eine vergrößerte Herzsilhouette als Zeichen für eine Kardiomegalie. Dagegen war das Computerprogramm bei der Erkennung eines prominenten Hilus besser. Generatoren von Schrittmachern nicht erkannt Das Computerprogramm hatte aber auch seine Probleme. So konnten implantierte Portkatheter und Generatoren für Schrittmacher oder Defibrillatoren in einigen Fällen nicht richtig zugeordnet werden. Sie wurden vom Programm falsch positiv in 15% der Röntgenaufnahmen (17/113) als pulmonale Verschattungen interpretiert. Ähnliches traf auf Thoraxdrainagen und EKG-Elektroden zu. Zwar schnitt das Computerprogramm deutlich besser als die vier Testradiologen ab, als es darum ging, bei 150 Thoraxaufnahmen Veränderungen in jeweils einer zweiten Aufnahme zu erkennen. Allerdings war die Genauigkeit des Programms im Vergleich zum Referenzstandard am geringsten. Aufgrund dieser Differenz sei es möglicherweise sinnvoller, statt des in der Studie definierten Referenzstandards CT-Thoraxaufnahmen als Maßstab zu verwenden, so Singh und seine Kollegen. Daher sei das Studienergebnis mit Vorsicht zu interpretieren. Ein solches Programm ließe sich zumindest nutzen, um die Genauigkeit einer Befundung durch einen Radiologen zu verbessern. Das Wichtigste in Kürze Frage: Wie gut lassen sich mithilfe von Computeralgorithmen auf Basis des „Deep Learning“ beim Röntgen des Thorax Abweichungen von der Norm erkennen? Antwort: Bei der Interpretation von Röntgenbefunden wie pulmonale Verschattung, Pleuraerguss, vergrößerter Herzschatten und prominenter Lungenhilus kann die künstliche Intelligenz eine gewisse Hilfestellung leisten. Bedeutung: Das „Deep Learning“ ist für genauere Befundung hilfreich, die Expertise von Radiologen lässt sich damit aber nicht ersetzen. Einschränkung: Als Referenzstandard wurden subjektiven Beurteilungen von Radiologen genutzt. Besser wären möglicherweise die Ergebnisse von CT-Aufnahmen des Thorax gewesen. Empfehlung der Redaktion Künstliche Intelligenz 02.10.2018 | ERS 2018 | Kongressbericht | Nachrichten KI schlägt Lungenfacharzt Künstliche Intelligenz ist inzwischen in der Lage, die Ergebnisse von Lungenfunktionstests besser zu interpretieren als Pneumologen. Vom Einsatz einer entsprechenden Software versprechen sich Experten Hilfe vor allem bei seltenen Krankheiten.

Live-Webinar: Aktuelle Leitlinien bei Herz-Kreislauf-Erkrankungen

Springer Medizin

Künstliche Intelligenz hilft dem Radiologen – ersetzt ihn aber nicht

Weiterführende Themen

Neu im Fachgebiet Radiologie

Fünf Dinge, die im Kindernotfall besser zu unterlassen sind

Wie toxische Männlichkeit der Gesundheit von Männern schadet

Studie bestätigt Potenzial von KI in der Radiologie

Quantitative Angiografie könnte IVUS-Alternative darstellen

Update Radiologie