Wie kann KI zur Transformation der Radiologie beitragen?

Medizinische Forscher und Technologieunternehmen arbeiten gemeinsam an der Entwicklung dieser neuen Instrumente. Erste Lösungen zeigen laut Radiologen positive Ergebnisse bei der Verbesserung der Patientenversorgung und der Rationalisierung der Abläufe.

Um KI nahtlos in die Radiologie einzuführen, können Gesundheitsorganisationen ihre vorhandene Technologieinfrastruktur nutzen, einschließlich medizinischer Bildspeichersysteme. Sie müssen jedoch Teile ihres Unternehmens überdenken, sagt Mutaz Shegewi, leitender Forschungsdirektor bei IDC Health Insights.

„Sie brauchen Workflow-Integration. Sie brauchen Rechenleistung und sie werden Governance und Sicherheit brauchen “, sagt Shegewi.

Schnellere Scans und verbesserte Versorgung in der Notaufnahme

Während die Radiologieforscher der UW die Einführung von KI in ihrem Bereich untersuchen, müssen sie bedenken, dass nur von der US-amerikanischen Food and Drug Administration zugelassene KI-Technologie in ihr Gesundheitssystem gelangen kann, sagt Reeder.

So habe UW Health beispielsweise eine von der FDA zugelassene fortschrittliche Bildrekonstruktion in seine Scan-Geräte integriert, die schärfere Bilder mit weniger Bildrauschen und Artefakten erzeuge und die Scan-Zeit um 30 bis 50 Prozent verkürze, was die Strahlenbelastung der Patienten verringern könne, fügt er hinzu.

„Die Patienten sind begeistert. Wir sind auch begeistert, weil wir dadurch kürzere Untersuchungstermine einplanen können“, sagt Reeder. „Es verbessert den Durchsatz und den Arbeitsablauf. Das ist bahnbrechend.“

Um KI-Tools in der Radiologie zu betreiben, verlässt sich UW Health auf interne Server, die Cloud, Allzweckcomputer und die Bildgebungsgeräte selbst, um nur einige zu nennen, sagt John Garrett, Leiter der Bildinformatik in der Radiologieabteilung von UW.

Während beispielsweise einige KI-Modelle auf Standardcomputern laufen, läuft KI-gestützte CT- und MRT-Gehirnperfusionssoftware, die Gehirnscans analysiert und farbkodierte Bilder des Blutflusses im Gehirn erstellt, auf einem lokalen Server, fügt er hinzu.

ERKUNDEN: Entsperren Sie den Datenfluss mit Hochleistungsspeicher für medizinische Bildgebung und Analyse.

Untersuchungen, die mehr Rechenleistung benötigen , laufen auf GPUs in der Cloud , wie beispielsweise CT-Scans, die von zehn bis zwölf KI-Triage-Tools ausgewertet werden, so Garrett. Je nach Algorithmus übernehmen Amazon Web Services und Microsoft Azure die Echtzeit-Datenverarbeitung, während einige Toolsdie Google Cloud Platform nutzen.

Bei der Triage in der Notaufnahme werden Daten in die Cloud gesendet und dort von mehreren KI-Algorithmen verarbeitet. Die Ergebnisse werden an das Bildarchivierungs- und Kommunikationssystem von UW Health zurückgesendet. Ein Desktop-Widget auf den PACS-Arbeitsplätzen der Radiologen kann sie über Befunde mit hoher Priorität informieren, so Garrett.

Die Radiologen von UW Health nutzen außerdem die KI-gestützte Spracherkennungssoftware Nuance PowerScribe auf ihren Dell- Computern zur Unterstützung beim Verfassen von Berichten. Reeder nutzt die Lösung schon lange und stellt fest, dass sie kontinuierlich verbessert wurde.

„Es ermöglicht uns, Berichte effizient, präzise und standardisiert zu erstellen“, sagt er. „Es ist zwar nicht perfekt, aber präzise. Man kann selbst komplizierte medizinische Fachbegriffe verwenden, und es trifft den Nagel auf den Kopf.“

Heute nur begrenzter diagnostischer Nutzen, aber vielversprechende Zukunft

Das in Boston ansässige Massachusetts General Brigham setzt in seiner klinischen Praxis verschiedene KI-Tools für die Radiologie ein. Dazu gehören Bildverarbeitungstools zur Verbesserung der Bildqualität und zur Bildquantifizierung, die Radiologen bei der Interpretation medizinischer Bilder unterstützen können, erklärt Dr. Bernardo Bizzo, Senior Director des KI-Geschäfts des Massachusetts General Brigham.

Das Gesundheitssystem habe KI-gestützte, computergestützte Triage-Tools eingeführt, die dabei helfen, dringende Befunde zu priorisieren und Radiologen zu benachrichtigen, sagt er. Außerdem habe man Dutzende von KI-Modellen zur Analyse medizinischer Bilder getestet und bisher etwa ein Dutzend davon übernommen, so Bizzo.

Mass General Brigham betreibt diese KI-Tools in lokalen Rechenzentren und in der Cloud . Das Unternehmen hat beispielsweise einige KI-Modelle in Microsofts Nuance Precision Imaging Network (basierend auf Azure) übernommen und Modelle bereitgestellt, die Lungenrundherde in CT-Scans erkennen und MRT-Scans der Leber analysieren.

ZUGEHÖRIG: Verwandeln Sie MRTs mit modernen Scannern und virtuellen Programmen.

Diese KI-Tools unterstützen Radiologen bei der Interpretation von Scans, doch der aktuelle Nutzen ist begrenzt, da jedes Modell in der Regel auf die Erkennung eines oder weniger Befunde ausgelegt ist. Radiologen müssen eine ganzheitliche Betrachtung vornehmen und das Bild für einen umfassenden Bericht analysieren, fügt Bizzo hinzu.

„Jedes von der FDA zugelassene KI-Tool erkennt nur wenige Bildgebungsbefunde. Es hilft zwar ein wenig in bestimmten Anwendungsfällen, aber es bringt nicht den entscheidenden Unterschied, den wir uns von KI erhoffen, denn die Arbeit eines Radiologen geht über das bloße Erkennen einer Handvoll Befunde hinaus“, sagt er.

Radiologen zeigen sich jedoch zuversichtlich, dass die neuen KI-Tools ausgereift sein werden. So arbeitet beispielsweise Mass General Brigham mit Unternehmen weltweit zusammen, um deren neue KI-Modelle und -Tools zu testen, während diese die FDA-Zulassung und den klinischen Einsatz in den USA anstreben. Dazu gehören Tests generativer KI und umfassender KI-Tools . Diese neuen Tools könnten mehrere Algorithmen in einem einzigen Paket kombinieren, um tiefergehende Diagnosen zu ermöglichen, so Bizzo.

„Meiner Meinung nach können KI-Tools zur Erkennung und Diagnose Radiologen in naher Zukunft am meisten helfen, insbesondere bei der Berichtserstellung“, sagt er. „KI verspricht, die diagnostische Genauigkeit und Effizienz zu verbessern.“

KI-Tool misst Wirksamkeit der Behandlung von Nierenerkrankungen

Vor etwa einem Jahr hat die Radiologieabteilung von Weill Cornell Medicine einen fortschrittlichen KI-Cluster aufgebaut – angetrieben von Dell-Servern mit NVIDIA -GPUs –, der es Forschern ermöglicht, KI-Modelle für die Radiologie zu entwickeln und zu trainieren und sie dann in einem klinischen Umfeld zu verwenden und zu testen.

So testen beispielsweise Ärzte am New York-Presbyterian Hospital /Weill Cornell Medical Center (dem Forschungs- und Lehrkrankenhaus der medizinischen Fakultät) derzeit ein KI-Modell, um präzise Messungen der Nieren von Patienten vorzunehmen und so den Krankheitsverlauf und die Wirksamkeit der Behandlung zu bestimmen, sagt Dr. Mert Sabuncu, stellvertretender Vorsitzender für KI- und Ingenieurforschung in der Radiologieabteilung von Weill Cornell Medicine und Professor für Elektro- und Computertechnik an der Cornell Tech.

Genauer gesagt wurde das KI-Modell für die Analyse klinischer Scans von Patienten mit polyzystischer Nierenerkrankung entwickelt, einer genetischen Erkrankung, bei der sich Zysten in den Nieren bilden und vergrößern, was zu Nierenschäden und Nierenversagen führen kann.

Patienten mit fortgeschrittener PKD erhalten normalerweise einmal im Jahr eine MRT.

„Standard-Radiologieberichte enthalten viele impressionistische Aussagen“, sagt Sabuncu. „Radiologen beschreiben, was sie sehen, ohne viele quantitative Messungen durchzuführen. Das bedeutet, dass es mehrere Jahre dauern kann, bis man herausfindet, ob ein Medikament wie Tolvaptan wirkt.“

Vor einigen Jahren entwickelte ein Forschungsteam der Weill Cornell Medicine ein KI-Modell, das hochpräzise numerische Messungen der Bauchanatomie durchführen kann. Heute werde dieses Tool genutzt, um klinische Entscheidungen zu unterstützen und die Wirksamkeit eines Medikaments für Patienten besser einzuschätzen, sagt er.

KI kann Fehler machen. Daher überprüft ein Techniker oder Radiologe im Rahmen des Arbeitsablaufs die Ergebnisse des Modells, nimmt gegebenenfalls Korrekturen vor und leitet die Ergebnisse anschließend zur abschließenden Überprüfung an einen anderen Radiologen weiter. Dieser kann die Ergebnisse auch ablehnen, wenn die Messungen des KI-Modells falsch sind.

„Wir haben einen Menschen im Boot, der für genaue Ergebnisse sorgt“, sagt Sabuncu.

Weill Cornell Medicine hofft auf die FDA-Zulassung für das KI-Modell, kann es aber vorerst als akademisches Forschungskrankenhaus an Patienten einsetzen. „Wir haben den Luxus, modernste Forschungsinstrumente nutzen zu können“, sagt er.

Er ist überzeugt, dass solche Tools die Radiologie revolutionieren werden. „Wir stehen in den nächsten fünf Jahren vor einem großen Wandel. Es wird einen enormen Zustrom an KI-Tools geben, die die Radiologie verbessern und die Medizin transformieren werden“, sagt Sabuncu.