Yu, F., Moehring, A., Banerjee, O. et al. Nat Med 30, 837–849 (2024).
https://doi.org/10.1038/s41591-024-02850-w
Verbessert Künstliche Intelligenz (KI) die modernde Radiologie? „KI wird den Radiologen ersetzen“: Diesen Satz hörte man vor einigen Jahren auf sämtlichen Kongressen. Der Hype um die KI hat im Laufe der Zeit wieder abgenommen, da mehr Verständnis für den potenziellen Einfluss innerhalb der Radiologie entstanden ist. In der aktuellen Studie in Nature Medicine
wurde gezeigt, dass auch individuelle Unterschiede von Ärzten die Interaktion zwischen Menschen und KI entscheidend beeinflussen könnten. Nicht immer ergibt sich dadurch eine Verbesserung.
Grundproblematik: Heterogenität
Die Autoren untersuchten, wie sich KI-Tools auf die Performance von 140 Radiologen bei 15 röntgenologischen Pathologien auswirkt. Die Analyse umfasste 324 Patientenfälle mit pathognomonischen Merkmalen. Unzählige Studien haben einen positiven Nutzen der KI hinsichtlich diagnostischer Performance beschrieben – diese Arbeiten haben jedoch die radiologische Ärzteschaft immer als eine große, homogene Gruppe angesehen und allenfalls den durchschnittlichen Effekt von KI-Tools auf die Performance erörtert werden. Es bleibt unklar, welche Radiologen von KI-Tools wirklich profitieren und ob es überhaupt immer einen klaren Benefit gibt. Die Studie hat gezeigt, dass die Auswirkungen der KI-Unterstützung auf die teilnehmenden Radiologen sehr variabel sind: Bei einzelnen Radiologen verbesserte sich die Performance, bei anderen verschlechterte sie sich sogar. Faktoren hinsichtlich des Niveaus der Radiologen (Praxiserfahrung, Subspezialisierung, KI-Erfahrung) waren keine Prädiktoren dafür auf den Einfluss der Performance. Interessanterweise ergab eine schlechte Ausgangsleistung auch mit KI-Unterstützung eine schlechtere Performance. Das Gleiche galt für zur Baseline gut performender Radiologen, sie lieferten mit und ohne KI eine gute Leistung ab. Es gab aber auch ein weniger überraschendes Ergebnis: Akkuratere KI-Tools steigerten die Performance. Die Forschenden weisen darauf hin, dass sich aus ihren Ergebnissen keine Erklärungen dafür ablesen ließen, warum und wie KI die Performance von Ärzten unterschiedlich beeinflusst. Es zeigt allerdings, wie variabel der Einfluss von KI auf die Radiologie sein kann.
Implementierung von KI: Wann und wie?
Eine enge Kooperation zwischen Entwickler und klinischen Anwender muss helfen zu verstehen, wer von der KI-Hilfe profitiert und wer davon negativ betroffen ist (Nutzen maximieren, potenziellen Schaden verhindern). KI-Vorhersagen mit geringeren Fehlern haben bei allen Pathologien zu besseren Behandlungseffekten geführt, was die Bedeutung der Entwicklung unterstützender KI-Modelle unterstreicht. Die Autoren unterstreichen, dass Erklärungen für KI-Vorhersagen geliefert oder nuancierte radiologische Berichte erstellt werden sollten, damit der Radiologe gezielte Information extrahieren kann. In der Arbeit wird weder die Lernkurve der KI noch die Komplexität der Patientenfälle beachtet – was auch nahezu unmöglich darstellbar ist. Die KI wird vermutlich vor allem in der Zeiteffizienz von Messmethoden eine relevante Rolle spielen. Viele Messungen (Distanz, Winkel, Koeffizienten) können relativ einfach durch die KI durchgeführt werden – mehr noch, vermutlich sogar besser. Einfache Winkelmessungen zeigen unter Radiologen teils grobe Differenzen, was durch die Subjektivität des Untersuchers getriggert wird (siehe dazu Maeda Y, Nagura T, Nakamura M, et al. Automatic measurement of the Cobb angle for adolescent idiopathic scoliosis using convolutional neural network. Sci. Rep. 2023; 13:). Durch KI und die Nutzung neuronaler Netzwerke könnten fehlerbehaftete und zeitaufwendige Messparameter möglicherweise schneller und besser standardisiert werden.
Letztlich zeigt sich in der Radiologie ein ähnliches Bild wie in der Kardiologie hinsichtlich der automatischen EKG-Analyse: Noch viele Jahre werden wir die Messungen und KI-Anwendung verifizieren und supervidieren müssen, bis sie dann mit entsprechendem Vertrauen den Einzug in die Diagnostik halten kann.
Autoren
ist Facharzt für Radiologie mit Schwerpunkt auf muskuloskelettale Bildgebung. Er beschäftigt sich hauptsächlich mit akuten Sportverletzungen und chronischen Überlastungsschäden von Sehnen und Muskeln. Nach seiner Ausbildung in der Klinik für Radiologie der Charité Berlin und radiologischer Betreuung des 1. FC Union Berlin ist er derzeit bei Radiologie München GbR, u.a. am Standort an der Säbener Straße (FC Bayern), tätig.
