KI in der Radiologie: Ein zuverlässiger Partner in der medizinischen Bildgebung

Mehr Patient*innen, mehr Untersuchungen, mehr Bilder – in der Radiologie gibt es immer mehr Arbeit für knappes medizinisches Fachpersonal. Die Röntgenaufnahmen und MRT- / CT-Scans müssen in kürzester Zeit beurteilt werden, wobei Auffälligkeiten übersehen werden können. Erfahren Sie hier, wie der Einsatz von künstlicher Intelligenz (KI) Radiologen dabei unterstützen kann, eine genaue und frühzeitige Diagnose für ihre Patient*innen zu erstellen.

Riesige Datenmengen & erhöhtes Arbeitspensum

Eine wachsende und alternde Bevölkerung und veränderte Lebensgewohnheiten haben zu einer Zunahme chronischer Krankheiten wie Herz-Kreislauf-Erkrankungen und Krebs geführt. Folglich steigt die Nachfrage nach medizinischer Bildgebung, um Krankheiten zu erkennen, Behandlungsentscheidungen zu treffen und die Therapieplanung zu unterstützen. Weltweit werden jährlich schätzungsweise 286 Millionen kontrastverstärkte Röntgen-/CT- und MRT-Untersuchungen durchgeführt. 

Die Datenmenge ist inzwischen so groß, dass in einigen Fällen alle paar Sekunden ein Bild analysiert werden müsste, um das tägliche Arbeitspensum zu bewältigen. Dies ist vor allem vor dem Hintergrund wichtig, dass immer größer werdender Zeitdruck und zunehmende Arbeitsbelastung zu zahlreichen Burn-out-Erkrankungen bei Radiologen führen.1 Der Mangel an ausgebildeten Radiologen verschärft die Situation zusätzlich.2  Da jeder Scan volle Konzentration erfordert, können unter diesem Zeitdruck Fehler passieren. Eine 2018 erschienene Publikation geht weltweit jedes Jahr von bis zu 40 Millionen geschätzten Fehldiagnosen aus, die mit bildgebenden Verfahren zusammenhängen.3

Kann KI einen Unterschied für Patient*innen machen?

Digitale Technologien können helfen, die steigende Arbeitsbelastung bei den Radiologen und ihren Teams zu bewältigen und damit letztlich auch die Patientenversorgung zu verbessern. Denn glücklicherweise hat die Rechenleistung von Computern in den vergangenen Jahren exponentiell zugenommen und bietet so die perfekte Ausgangsbasis für die Nutzung von KI in der medizinischen Bildgebung. 

Wofür radiologisches Fachpersonal Erfahrung, Zeit und höchste Konzentration benötigt, kann eine KI dank maschinellem Lernen innerhalb weniger Sekunden eine Auffälligkeit im Scan erkennen. Die KI kann nicht nur in hoher Geschwindigkeit und Präzision arbeiten, sondern ist auch in der Lage, verborgene Muster in den Daten zu erkennen, die den Ärzten wertvolle Unterstützung zur Diagnose- und Therapieentscheidungen liefert. 

Aus ärztlicher Sicht ist es wichtig, die Zeit bis zum Behandlungsbeginn zu verkürzen, indem Krankheiten erkannt und frühzeitige Interventionen möglich werden. Daneben geht es darum, Fehldiagnosen zu vermeiden und Routineaufgaben zu automatisieren. Für all das ist die KI geeignet, denn sie kann Fachpersonal dabei unterstützen, möglichst rasch zur richtigen Diagnose zu kommen. 

Bayer führt neue KI-Plattform ein

Bayer ist sich der Bedeutung einer genauen und frühzeitigen Diagnose bewusst und engagiert sich seit mehr als 100 Jahren im Bereich der Radiologie. Mit der Markteinführung einer KI-Plattform baut Bayer sein umfassendes Portfolio an Kontrastmitteln, Injektionssystemen und IT-Software strategisch weiter aus. Die Cloud-basierte Plattform bietet Zugriff auf KI-Anwendungen, die sich in den standardmäßigen medizinischen Bildgebungs-Workflow integrieren lassen. Die Markteinführung ist zunächst in den USA und mehreren europäischen Ländern geplant und wurde Ende Juni 2022 bekanntgegeben. 

Das Angebot umfasst Tools, die Radiologen und ihren Teams die Priorisierung, Erkennung von Läsionen und Quantifizierungen erleichtern und die Produktivität steigern können. Die neue KI-Plattform wird medizinische Fachkräfte in allen Phasen des Patientenwegs – von der Diagnose bis zur Behandlung – unterstützen. 

Die Plattform bietet Zugang zu digitalen und KI-gestützten Radiologie-Anwendungen, die Radiologen dabei unterstützen, bei der Diagnose ihrer Patienten fundierte Entscheidungen zu treffen. Des Weiteren werden Routineaufgaben wie Abmessungen automatisiert, Arbeitsabläufe optimiert und somit ein Zeitgewinn für die Radiologen und ihre Teams ermöglicht. Das Angebot ist nach Körperregionen und Bildgebungsverfahren strukturiert. Der Fokus liegt zunächst auf thorakalen und neurologischen Erkrankungen, zum Beispiel zur Erkennung eines Schlaganfalls. Weitere, auf spezifische Erkrankungen zugeschnittene Anwendungspakete sind geplant.

Erfahren Sie mehr über die KI-Plattform von Bayer für die Radiologie unter www.calantic.com/de.

• 1Chetlen AL, Chan TL, Ballard DH, Frigini LA, Hildebrand A, Kim S, Brian JM, Krupinski EA, Ganeshan D. Addressing Burnout in Radiologists. Acad Radiol. 2019 Apr;26(4):526-533. https://pubmed.ncbi.nlm.nih.gov/30711406/ - Physician Burnout in Radiology: Perspectives From the Field, Cheri L. Canon et al. (2022): https://pubmed.ncbi.nlm.nih.gov/34494444/
• 2 
• 3Fundamentals of Diagnostic Error in Imaging, Itri et al. (2018), https://pubs.rsna.org/doi/full/10.1148/rg.2018180021