Wie Künstliche Intelligenz Innovation in der medizinischen Bildgebung voranbringt

Weltweit leben Menschen länger. Laut WHO wird sich bis 2050 der Teil der Weltbevölkerung, der 60 Jahre oder älter ist, auf 2,1 Milliarden Menschen verdoppeln. Für die Gesundheitsversorgung bedeutet die wachsende und gleichzeitig alternde Bevölkerung mehr Patienten mit komplexen Versorgungsansprüchen. Viele Erkrankungen wie Krebs oder Herz-Kreislauf-Krankheiten sind auf dem Vormarsch. Entsprechend groß ist die Nachfrage nach medizinischer Bildgebung zur Unterstützung von Vorsorge, Diagnose und anschließender Behandlung – Tendenz steigend.

Infolgedessen nehmen die Datenmengen in der medizinischen Bildgebung zu und werden immer komplexer. Das Ergebnis ist ein zunehmendes Missverhältnis zur Zahl der verfügbaren geschulten Fachkräfte, die in der Lage sind, diese Daten zu interpretieren. Selbst für die Erfahrensten unter ihnen wird das Auswerten der hochdetaillierten Aufnahmen, in denen Megapixel über Megapixel an Daten komprimiert sind, immer schwieriger. Tatsächlich ist die Datenmenge inzwischen so groß, dass in einigen Fällen alle paar Sekunden ein Bild analysiert werden müsste, um das tägliche Arbeitspensum zu bewältigen. Da jeder Scan volle Konzentration erfordert, können unter diesem Zeitdruck Fehler passieren. In einer 2018 erschienenen Publikation wird von weltweit etwa 40 Millionen Diagnosefehlern jährlich gesprochen.

Glücklicherweise hat im gleichen Zeitraum auch die Rechenleistung von Computern exponentiell zugenommen und bietet so die perfekte Ausgangsbasis für die Nutzung von KI in der medizinischen Bildgebung.

Diese Trends zeigen, dass die Radiologie, die schon Pionierarbeit für das digitale Zeitalter in der Medizin geleistet hat, auch bei der Einführung der KI ins Gesundheitswesen ganz vorne dabei ist.

Das Versprechen für Patienten und ihre behandelnden Ärzte

Aus ärztlicher Sicht ist es wichtig, die Zeit bis zum Behandlungsbeginn zu verkürzen, indem Krankheiten früh erkannt und frühzeitige Interventionen möglich werden. Daneben geht es darum, Fehldiagnosen zu vermeiden und Routineaufgaben zu automatisieren. Für all das ist die KI wie gemacht, denn sie kann Fachleute dabei unterstützen, möglichst rasch zur richtigen Diagnose zu kommen. KI-gestützte Software lässt sich in vielen klinischen Bereichen einsetzen, beispielsweise in der Notfallmedizin zur Priorisierung von Patienten mit Verdacht auf Schlaganfall, aber auch in der Krebsfrüherkennung. Quantifizierungs-Tools ermöglichen die Automatisierung zeitraubender Aufgaben wie das Ausmessen von Läsionen.

Mit den technologischen Fortschritten und der Entwicklung neuerer und besserer Anwendungen wird die interdisziplinäre Zusammenarbeit immer wichtiger. Fachleute aus der Radiologie, den Datenwissenschaften, der Softwareentwicklung, der Krankenhaus-IT sowie aus allen Branchen des Gesundheitswesens sind nötig, um das Potenzial der KI voll auszuschöpfen.

Während jedoch die Entwicklung von KI-Algorithmen für die Radiologie an Fahrt aufnimmt, hinkt deren Akzeptanz und Nutzung in der klinischen Praxis hinterher. Künftig kann es bei der Nutzung des gesamten Potenzials dieser neuen Technologie also nicht nur darum gehen, hochwertige und zuverlässige Anwendungen für die Radiologie zu entwickeln. Es muss auch an deren effektiver Eingliederung in die tägliche klinischen Praxis gearbeitet werden. Nur dann haben Radiologen Zugriff auf wertvolle Hilfestellung und können sich auf das Wesentliche konzentrieren: die richtige Diagnose zur rechten Zeit für ihre Patienten.