Radiologen sind daran interessiert, künstliche Intelligenz (KI) so effektiv wie möglich einzusetzen, um die Diagnose von Krankheiten zu verbessern und das Leben von Patienten zu retten. In den letzten Jahren hat sich die KI-Technologie rasant weiterentwickelt und es gibt immer mehr Möglichkeiten, wie sie in der Radiologie eingesetzt werden kann. Allerdings ist die Radiologie ein sehr komplexes Fachgebiet und es gibt noch viel Potenzial für weitere Verbesserungen. Wie stark KI in der Radiologie bereits verankert ist, zeigt die Zulassungsstatistik der US-Arzneimittelbehörde FDA: Von rund 1.451 zugelassenen KI-gestützten Medizinprodukten entfallen 1.104 und damit 76 Prozent auf die Radiologie, mehr als auf jedes andere medizinische Fachgebiet.
Eines der Hauptprobleme beim Einsatz von KI in der Radiologie ist, dass die Technologie oft nicht mit den bestehenden Bildern und Systemen kompatibel ist. Dies bedeutet, dass radiologische Abteilungen oft auf neue, teure KI-Systeme umsteigen müssen, um die Vorteile zu nutzen. Zudem sind viele KI-Anwendungen nur auf bestimmte Aufgaben oder Erkrankungen ausgerichtet und können daher nicht flexibel eingesetzt werden. Eine Befragung von Philips bestätigt das Problem aus Sicht der Anwenderinnen und Anwender: 41 Prozent der Radiologinnen und Radiologen geben an, dass verfügbare KI-Werkzeuge ihre tatsächlichen Arbeitsabläufe nicht ausreichend abbilden, meist weil die Systeme als separate Anwendung statt eingebettet in die gewohnte Befundungssoftware laufen.
Um diese Probleme zu lösen, forschen Wissenschaftler weltweit an neuen Ansätzen für den Einsatz von KI in der Radiologie. Einige dieser Ansätze sind bereits erfolgreich in der Praxis umgesetzt worden, während andere noch in der Entwicklung sind. Im Folgenden werden einige Beispiele für erfolgreiche KI-Anwendungen in der Radiologie vorgestellt.
KI zur Verbesserung der Bildgebung
KI kann verwendet werden, um die Qualität radiologischer Bilder zu verbessern. Dies ist besonders hilfreich bei schwierigen Untersuchungen wie Magnetresonanztomographien (MRT) oder Computertomographien (CT), bei denen es oft schwierig ist, genaue Bilder zu erhalten. KI-Algorithmen können verwendet werden, um diese Bilder zu verbessern, indem sie ungenaue oder verzerrte Bereiche identifizieren und korrigieren. Bei der MRT lässt sich die Aufnahmezeit durch KI-gestützte Bildrekonstruktion nach aktuellen Übersichtsarbeiten um 30 bis 75 Prozent verkürzen, ohne dass die Bildqualität spürbar leidet. Dies bedeutet, dass radiologische Abteilungen weniger Fehler machen und Patienten genauere Diagnosen erhalten.
KI zur Automatisierung von Routinetätigkeiten
KI-Systeme können auch verwendet werden, um radiologische Routinetätigkeiten zu automatisieren. Dies ist besonders hilfreich bei Aufgaben wie dem Zusammenfügen von Bildern zu einem Gesamtbild oder dem Ausfüllen von Formularen. Bei der Erstellung von Befunden senkt KI-Unterstützung den Zeitaufwand nach vorliegenden Studien um 30 bis 50 Prozent, in einzelnen Untersuchungen arbeiteten Radiologinnen und Radiologen damit bis zu 40 Prozent schneller. Durch die Automatisierung dieser Aufgaben können radiologische Abteilungen Zeit sparen und sich auf die Kernaufgaben konzentrieren: Die Diagnose und Behandlung von Krankheiten.
KI zur Erkennung von Krankheitssymptomen
KI-Systeme können auch verwendet werden, um Symptome bestimmter Krankheiten frühzeitig zu erkennen. Bei der Erkennung von Lungenknoten etwa fanden KI-Systeme in Studien im Schnitt 8,4 Prozent mehr Auffälligkeiten als erfahrene Radiologinnen und Radiologen, bei Knoten ab 4 Millimetern Größe lag die Erkennungsrate bei über 95 Prozent. Dies ist ein großer Vorteil, da Krankheiten oft schneller behandelt werden können, bevor sie ernste Folgen haben. Auch die Kosten für die Behandlung von Krankheiten können durch den Einsatz von KI-Systemen reduziert werden.
Häufig gestellte Fragen
Wie viele der von der FDA zugelassenen KI-Medizinprodukte betreffen die Radiologie?
Von den bislang rund 1.451 durch die US-Arzneimittelbehörde FDA zugelassenen KI-gestützten Medizinprodukten entfallen 1.104 und damit 76 Prozent auf die Radiologie, deutlich mehr als auf jedes andere medizinische Fachgebiet. Marktführer bei den Zulassungen sind GE HealthCare mit 120 und Siemens Healthineers mit 89 zugelassenen Produkten.
Warum lässt sich KI-Software in der Radiologie nicht einfach zwischen verschiedenen Kliniken austauschen?
KI-Systeme sind häufig auf die Bildformate und Schnittstellen eines bestimmten Herstellers zugeschnitten und lassen sich nicht ohne Weiteres in die Software anderer Anbieter einbinden. Eine Befragung von Philips zeigt zusätzlich, dass 41 Prozent der Radiologinnen und Radiologen verfügbare KI-Werkzeuge als unzureichend in ihre gewohnten Arbeitsabläufe eingebunden empfinden, meist weil sie als separate Anwendung statt direkt in der Befundungssoftware laufen.
Wie viel Zeit spart KI bei der Auswertung radiologischer Bilder ein?
Je nach Anwendung fallen die gemessenen Zeitersparnisse unterschiedlich aus: Bei der MRT-Bildrekonstruktion sind es nach aktuellen Übersichtsarbeiten 30 bis 75 Prozent kürzere Aufnahmezeiten, bei der Erstellung von Befunden 30 bis 50 Prozent weniger Zeitaufwand. Die tatsächliche Ersparnis hängt stark davon ab, wie gut das jeweilige System in die bestehende Klinik-Software eingebunden ist.
Kann KI Krankheiten in radiologischen Bildern zuverlässiger erkennen als Ärztinnen und Ärzte?
Bei eng umgrenzten Erkennungsaufgaben schneidet KI in Studien teils besser ab als erfahrene Radiologinnen und Radiologen: Bei der Suche nach Lungenknoten fanden KI-Systeme im Schnitt 8,4 Prozent mehr Auffälligkeiten, bei Knoten ab 4 Millimetern lag die Erkennungsrate bei über 95 Prozent. Für die abschließende Diagnose und die Entscheidung über die Behandlung bleibt trotzdem eine ärztliche Bewertung nötig, weil KI-Systeme nur für die trainierten Aufgaben zuverlässig funktionieren.