Zum Hauptinhalt springen

KI in der Radiologie: Evolution oder Revolution?

Weltweit entwickeln derzeit zahlreiche Unternehmen Anwendungen im Bereich der Künstlichen Intelligenz (KI), die in medizinischen Bildern beispielsweise nach Tumoren, ischämischem Hirngewebe oder Knochenbrüchen suchen. Dadurch wird sich die Radiologie verändern – das gilt für radiologische Abteilungen in Krankenhäusern und für niedergelassene Radiologen. „Anwendungen auf Basis der Künstlichen Intelligenz werden mittel- bis langfristig das Arbeitsprofil und die Arbeitsweise aller medizinischer Berufe, auch die des Radiologen, verändern und können zur Qualitätssicherung in der Diagnostik beitragen“, sagt Prof. Dr. Konstantin Nikolaou, Ärztlicher Direktor an die Abteilung für Diagnostische und Interventionelle Radiologie der Erhard-Karls-Universität in Tübingen.

Herr Professor Nikolaou, wie wird sich die Künstliche Intelligenz entwickeln und welchen Einfluss wird sie auf die Arbeit von niedergelassenen Radiologen haben?

Der gesamte Themenkomplex wie AI, maschinelles Lernen, Big Data und neuronale Netzwerke ist ein Bereich, in dem zu diesem Zeitpunkt vor allem Industrie-Unternehmen, größere wissenschaftliche Institutionen und Universitätskliniken zusammenarbeiten, da er mit viel Aufwand verbunden ist. Denn hinter KIs stehen komplex trainierte und programmierte Algorithmen, die auf Mathematik, Statistik und logischen Regeln basieren. Eine große Herausforderung ist dabei vor allem die Aufarbeitung qualitativ geeigneter Daten, um diese Systeme zu trainieren. Es ist somit ein Bereich, der sich stark in der Entwicklung befindet. Bislang sind nur wenige konkrete Anwendungen, die auf solchen Deep Learning, Machine Learning oder anderen KI-Techniken beruhen, als diagnostische, therapeutische Tools oder als medizinischer „decision support“ zugelassen. Für den niedergelassenen Radiologen wird es meiner Meinung zu allererst zugelassene Systeme geben, die bei einfacheren, schnellen diagnostischen „JA/NEIN“ Entscheidungen gute Zweitmeinungen liefern können. Zum Beispiel in der Diagnostik eines Pneumothoraxes oder bei der Detektion suspekter Läsionen in der Mammographie. Die ersten Anwendungen sind zum Teil bereits im Zulassungsverfahren. Auf dem RSNA 2018 haben mehrere Hersteller solche Produkte schon präsentiert. Am Ende sieht das zwar aus wie Weiterentwicklungen von ‚Computer Aided Diagnosis‘ (CAD) -Systemen, die es schon seit rund 20 Jahren gibt, die technische Grundlage ist aber eine völlig andere. Während die ersten CAD-Tools programmiert waren, bestimmte Bildmerkmale (Dichte, Signal, etc.) zu markieren, beruhen die neuen Systeme auf komplexen Trainingsdatensätzen. Die Segmentierung und Markierung von suspekten Läsionen im Thorax-CT beispielsweise beruht auf einer Vielzahl von Merkmalen und Charakteristika, unter anderem auch Textur-Features. Dadurch wird eine weitaus höhere Genauigkeit erreicht.

Bringt die KI also eine Evolution oder eine Revolution?

Es klingt zunächst nach einer Evolution. Der komplett neue technische Ansatz, die daraus entstehenden diagnostischen Möglichkeiten sowie die extreme Verbesserung der Tools kann aber durchaus als Revolution bezeichnet werden. Besonders die Nutzung komplexer Methoden des Machine Learning, bei dem man den Computer mit gut definierten Trainingsdatensätzen füttert, hat sich als weitaus besser erwiesen als die bisherige Segmentierungssoftware.

Wie wird sich diese neue Art des Umgangs mit Daten auf die Arbeit des Radiologen auswirken?

Das Jobprofil des Radiologen muss sich – auch vor dem Hintergrund der „Personalisierten Medizin“ - grundsätzlich weiterentwickeln. Das Stichwort ist hier tatsächlich der scheinbar über Gebühr strapzierte Begriff „Big Data“. Hier geht es um die Vernetzung und Nutzbarmachung komplexer Daten zu jedem einzelnen Patienten. Also nicht nur um Bilddaten, sondern die Integration aller verfügbaren Daten zu diesem Fall. Momentan versuchen daher viele Kliniken und Praxis-Netze, digitale Plattformen zu etablieren, dank derer alle an der Behandlung Beteiligten direkt auf alle relevanten Patientendaten zugreifen können, ohne in vielen Sub-Systemen suchen zu müssen. Funktioniert das, rückt der Radiologe – zumindest in der Klinik – zunehmend in den Mittelpunkt. Denn mithilfe zentraler Daten-Plattformen kann er beispielsweise im Tumorboard integrativ neben dem Verlauf der Bilddaten die weiteren Informationen zum Krankheitsverlauf mit Verweis auf komplexe Metadaten des Patienten demonstrieren und diskutieren. Zukünftig schauen wir als Radiologen nicht mehr „nur“ auf Bilddaten, sondern beziehen immer stärker die Patienten-Metadaten, seien es Labor-, Pathologie- oder genetische Daten, systematisch in unsere Entscheidungsfindung ein. Damit wird die Bildgebung eine noch wichtigere Rolle einnehmen als sie sie heute ohnehin schon hat. Egal ob als niedergelassener oder klinischer Radiologe werden wir früher in die Entscheidungsprozesse involviert sein. Da ist es nur von Vorteil, wenn wir – auch mit Hilfe der KI - effizienter werden und an der Präzision sowie der Parametrisierung und Quantifizierung unserer Diagnostik arbeiten.

Sie sehen die Etablierung von intelligenten Tools im Alltag des Radiologen also positiv?

Ja, absolut! Wenn Sie sich umschauen, sehen Sie eine stetige Zunahme an bildgebenden Leistungen. Wir leiden an einer Überflutung von Arbeit, die häufig aus einer einfachen Routine-Diagnostik besteht. Und je besser und komplexer die bildgebenden Systeme werden, desto mehr Bilder und Schichten müssen wir durchforsten. Irgendwann ist eine kritische Masse erreicht, die wir nicht mehr bewältigen können – dann kommen die neuen Assistenzsysteme ins Spiel. Viele Radiologen haben vielleicht die Sorge, dass gerade bild-basierte Arbeiten wie Radiologie oder Pathologie von einem Computer ersetzt werden könnten. Dies wird so nicht passieren. Die KI wird die Arbeit jedweder medizinischen Disziplin beeinflussen, sei es bei der optimalen Einstellung kritischer Patienten auf der Intensivstation, bei der Unterstützung komplexer Medikations-Schemata oder durch neue Techniken in chirurgischen Fächern. Immer jedoch – und das gilt auch für die Radiologie – werden die behandelnden Ärzte, also wir, im Mittelpunkt stehen, die Entscheidungen treffen und den Patienten führen. Man sollte die KI also positiv aufnehmen. So können neue Algorithmen im niedergelassenen Bereich eine Chance zur Optimierung von Workflows, Effizienz und Qualität darstellen, beispielsweise bei Tumor-Patienten, die regelmäßig wiederkommen. Die neuen Tools sind immer besser in der Lage, die Bildqualität, die Segmentierung in Follow-up-Untersuchungen zu automatisieren und präzise Veränderungen darzustellen, zu quantifizieren und zu protokollieren. Damit erhält der Radiologe viel schneller genauere Information darüber, um wieviel Prozent sich beispielsweise das Volumen eines Tumors verändert hat. Diese Messung hat er früher manuell und in der Regel 2-dimensional durchgeführt. Durch die neuen Anwendungen verbessert er die Genauigkeit und spart Zeit – Zeit, die er für andere Patienten einsetzen kann.

Profil

Prof. Dr. Konstantin Nikolaou hat im Jahr 2000 an der Ludwig-Maximilians-Universität in München promoviert. Anschließend gehörte er für 14 Jahre zum Ärzteteam von Prof. Dr. Maximilian Reiser am Institut für Klinische Radiologie am Klinikum der Universität München - davon sieben Jahre lang als Leitender Oberarzt und stellvertretender Ärztlicher Direktor. Seit April 2014 ist Nikolaou Ärztlicher Direktor an die Abteilung für Diagnostische und Interventionelle Radiologie der Erhard-Karls-Universität in Tübingen

Lassen Sie sich inspirieren