Europäischer Radiologenkongress

Radiologie zwischen Defiziten und Zukunftshoffnungen

Eine internationale Telemedizinindustrie auf der Basis von Artificial Intelligence wartet bereits auf ihre umsatzträchtige Chance.

red/Agenturen

Die Bilder und funktionalen Daten über Gewebe aus Computertomografie, Magnetresonanz und Positronen-Emissions-Tomografie (PET) werden immer bunter, genauer und aussagekräftiger. Doch die Radiologie schwankt weiterhin zwischen Defiziten und Zukunftshoffnungen. Das zeigten Beiträge beim Europäischen Radiologenkongress (ECR) am Donnerstag.

Ende 2016 sorgte der britische Pionier auf dem Gebiet der neuronalen Netze, Geoffrey Hinton, für helle Aufregung in der internationalen Radiologen-Szene. „Wir sollten aufhören, Radiologen auszubilden, weil sie bald durch Künstliche Intelligenz ersetzt werden“, sagte er.

Artificial Intelligence als „Personalersatz“?

Automatische Beurteilungen aus Hunderttausenden hinterlegten CT-oder MR-Bildern mit lernender Computersoftware (Deep Learning; Anm.) würden Interpretationen humaner Radiologen bei der Begutachtung der Aufnahmen ablösen, lautete das Versprechen. Eine internationale Telemedizinindustrie auf der Basis von Artificial Intelligence wartet bereits auf ihre umsatzträchtige Chance.

Der niederländische Radiologe Bram van Ginneken hat mit Partnern 2014 das Unternehmen Thirona gegründet. Mit Analyseprogrammen lassen sich bereits Routine-Mammografien automatisch beurteilen, sodass nur noch ein bis zwei Prozent an „verdächtigen“ Befunden übrig bleiben. Thirona hat ein Software-System, das bei CT-Lungenuntersuchungen von Patienten mit chronisch obstruktiver Lungenerkrankung (COPD) Therapieempfehlungen geben soll.

AI vorerst ausreichend für erste Sichtung von Scans

„Wir haben bereits Hunderte Spitäler weltweit, die uns ihre CT-Scans schicken. Unsere Kunden sind Pulmologen, die früher einen Radiologen baten, sich spezifische Dinge anzusehen. Jetzt schicken sie die Untersuchungsdaten an ein externes Unternehmen - und der Radiologe ist draußen“, wurde Ginneken in der Kongresszeitschrift zitiert. An der Jahrestagung der Europäischen Gesellschaft für Radiologie (ESR) nehmen bis 3. März rund 28.0000 Experten teil.

In der Onkologie versuchen Molekularbiologie-Unternehmen bereits, die genetische Typisierung von Tumorgewebe an sich zu ziehen. Ähnliches könnte - prinzipiell noch viel leichter durch Digitalisierung und Breitband-Kommunikation in Echtzeit - auch in der Radiologie geschehen.

Ganz so einfach ist das aber noch nicht. Die indische Radiologin Swetha Tanamala und ihr Team von „Qure.ai - Artificial intelligence for Radiology“ in Mumbai haben ein selbst lernendes Computersystem mit rund 300.000 Schädel-Computertomografien gefüttert und untersucht, wie genau die Software bei der Erkennung von Frakturen oder verschiedenen Arten von Gehirnblutungen ist. Je nach Art der Verletzung war die Sensitivität unterschiedlich, menschliche Radiologen blieben aber trotz der steilen Lernkurve der „Maschine“ besser. Für eine erste Rohsichtung der Scans dürfte das System aber bereits ausreichen.

Radiologie
Automatische Beurteilungen aus Hunderttausenden hinterlegten CT-oder MR-Bildern mit lernender Computersoftware (Deep Learning; Anm.) würden Interpretationen humaner Radiologen bei der Begutachtung der Aufnahmen ablösen, lautete ein Versprechen.
iStock-agcuesta