KI in der Radiologie - zwei Beispiele

von Dr. med. Marianne Schoppmeyer, Medizinjournalistin, medizinundtext.de, Nordhorn

Ein zentrales Zukunftsthema in der Diagnostischen Radiologie ist der Einsatz der Künstlichen Intelligenz (KI), der das Berufsbild des Radiologen massiv verändern wird. Dies zeigen zwei aktuelle Beispiele.

Präzisere Bildgebung

Am Universitätsklinikum Jena werden dank KI ganz neue Wege beschritten. Die Radiologen setzen KI – nach eigenen Angaben weltweit erstmalig – in der radiologischen Routine ein, um CT-Bilder zu rekonstruieren. Damit ist es möglich, CT-Aufnahmen mit höherer Bildschärfe zu erzeugen als mit den bisher zur Verfügung stehenden Methoden der Bildrekonstruktion. Grundlage der eingesetzten KI ist ein neuronales Netzwerk, das aus Erfahrungen lernt. Beim Prozess des Deep Learnings lernen die künstlichen Neuronen des Netzwerks entsprechend ihrem biologischen Vorbild durch intensives Training. Deshalb verbessert sich die Bildqualität mit jeder weiteren Aufnahme. Diese selbstlernende Software verbessert – bei gleicher Strahlendosis wie bisher – das Bildrauschen, sodass mehr diagnostische Sicherheit bei weniger Strahlung möglich erscheint.

Bessere Beurteilung

Ein weiteres KI-Anwendungsgebiet wird an der Universitätsklinik Heidelberg untersucht. Dort zeigte die Auswertung von 2.000 MRT-Untersuchungen von Glioblastomen, dass durch maschinelle Lernverfahren das Therapieansprechen dieser Hirntumoren verlässlicher und präziser wiedergegeben werden kann als mithilfe etablierter radiologischer Verfahren. Entscheidend ist die über MRT-Bildgebung ermittelte Wachstumsdynamik des Tumors. Doch das manuelle Messen der Tumorausdehnung in zwei Ebenen in den kontrastverstärkten MRT-Aufnahmen ist fehleranfällig und führt leicht zu abweichenden Ergebnissen. Die standardisierte, vollautomatisierte Beurteilung mithilfe künstlicher neuronaler Netzwerke steigerte die Verlässlichkeit der Beurteilung um 36 Prozent.