Erschienen in:
11.12.2019 | Pathologie | Leitthema
Künstliche Intelligenz in der Radiologie
Was ist in den nächsten Jahren zu erwarten?
verfasst von:
Johannes Haubold
Erschienen in:
Die Radiologie
|
Ausgabe 1/2020
Einloggen, um Zugang zu erhalten
Zusammenfassung
Klinisches/methodisches Problem
Künstliche Intelligenz (KI) durchdringt immer mehr Felder der Radiologie. Ziel dieses Übersichtsartikels ist es, die zu erwartenden Entwicklungen in den nächsten 5 bis 10 Jahren zu zeigen sowie mögliche Vorteile und Risiken darzustellen.
Radiologische Standardverfahren
Aktuell wird jede Computertomographie (CT) mittels fest programmierter Algorithmen rekonstruiert. Pathologien werden vom Radiologen mit hohem zeitlichem Aufwand detektiert und mittels standardisierter Verfahren evaluiert.
Methodische Innovationen
KI kann bei all diesen Standardverfahren in der Zukunft Abhilfe schaffen. CT-Rekonstruktionen können mittels „generative adversarial networks“ (GAN) deutlich verbessert werden. Histologien können mittels auf Radiomics oder Deep Learning (DL) basierter Bildanalyse bewertet und die Prognose des Patienten hoch individualisiert vorhergesagt werden.
Leistungsfähigkeit
Die Leistungsfähigkeit der Netzwerke wird dabei stark von der Datenqualität beeinflusst und bedarf einer ausführlichen Validierung. Entscheidend ist auch die Fähigkeit und Bereitschaft der Hersteller, diese in die bestehenden RIS-/PACS-Systeme zu integrieren.
Bewertung
Künstliche Intelligenz wird in hohem Maße den Alltag des klinisch tätigen Radiologen beeinflussen. Publikationen zu den Risiken der Technik und zur adäquaten Validierung sind allerdings noch unterrepräsentiert. Neben der Erschließung neuer Anwendungsfelder bedarf es daher auch einer weiteren Erforschung möglicher Risiken.
Empfehlungen für die Praxis
KI wird in den nächsten 5 bis 10 Jahren vielfältige Möglichkeiten der Arbeitsverbesserung und -erleichterung bieten. Die Integration der Anwendungen in die vorhandenen RIS-/PACS-Systeme wird voraussichtlich über App-Stores und/oder bestehende Teleradiologienetzwerke ablaufen.