MRT-Untersuchung: Diagnose mit KI erreicht neues Level
Forschende präsentieren ein KI-System, das neurologische Krankheiten blitzschnell erkennt. Die Technologie erreicht Trefferquoten von fast 98 Prozent und könnte überlastete Gesundheitssysteme entlasten. Auch die Dringlichkeit der Behandlung wird automatisch eingeschätzt.
KI könnte die Diagnostik neurologischer Erkrankungen deutlich beschleunigen.
Foto: SmarterPix/everythingposs
Wissenschaftlerinnen und Wissenschaftler der University of Michigan haben ein System vorgestellt, das mittels künstlicher Intelligenz Gehirnscans analysieren und Diagnosen innerhalb weniger Augenblicke stellen kann. Die Forschungsarbeit zeigt auf, dass das Programm in der Lage ist, neurologische Krankheiten mit hoher Präzision zu erkennen und gleichzeitig einzuschätzen, wie rasch Betroffene medizinische Hilfe benötigen.
Das System erreichte beim Erkennen von Krankheiten des Nervensystems Genauigkeitswerte von bis zu 97,5 Prozent. Zusätzlich zur Diagnosefindung prognostiziert die Technologie, welche Patientinnen und Patienten vorrangig behandelt werden müssen. Die Wissenschaftlerinnen und Wissenschaftler sind überzeugt, dass diese Entwicklung die Neurobildgebung grundlegend verändern könnte.
Wegweisende Ergebnisse in Fachjournalen
Die Forschungsergebnisse wurden in der Fachzeitschrift Nature Biomedical Engineering publiziert. Todd Hollon, leitender Studienautor und Neurochirurg an der University of Michigan Health sowie Assistenzprofessor für Neurochirurgie, erläutert die Bedeutung: „Da die weltweite Nachfrage nach MRT-Untersuchungen steigt und unsere Ärzte und Gesundheitssysteme erheblich belastet, hat unser KI-Modell das Potenzial, diese Belastung zu verringern.“
Die Entlastung soll durch beschleunigte und präzisere Informationen erfolgen, wodurch Diagnosestellung und therapeutische Maßnahmen optimiert werden. Hollon bezeichnet die Technologie mit dem Namen „Prima“. Gemeinsam mit seinem Forscherteam testete er die Technologie über einen Zeitraum von zwölf Monaten an mehr als30.000 MRT-Untersuchungen verschiedenster Art.
Überlegene Leistung bei MRT-Untersuchungen
Bei mehr als fünfzig radiologischen Diagnosen schwerwiegender neurologischer Krankheiten übertraf Prima sämtliche anderen hochmodernen KI-Systeme hinsichtlich der diagnostischen Leistungsfähigkeit. Das Programm erwies sich als besonders zuverlässig bei der korrekten Zuordnung komplexer Krankheitsbilder. Darüber hinaus gelang es dem System, erfolgreich zu ermitteln, welche Fälle eine erhöhte Priorität erhalten sollten.
Bestimmte neurologische Notfälle wie Hirnblutungen oder Schlaganfälle verlangen nach unmittelbarer ärztlicher Behandlung. In derartigen Situationen kann Prima die Ärztinnen und Ärzte automatisch benachrichtigen, sodass unverzüglich Maßnahmen eingeleitet werden können, wie Hollon betont. Der rechtzeitige Alarm kann lebensrettend sein.
Automatische Weiterleitung an Fachärzte
Die Forschenden entwickelten das System so, dass es Empfehlungen abgibt, welche Fachärztin oder welcher Facharzt kontaktiert werden sollte. Dies kann beispielsweise ein Schlaganfall-Neurologe oder eine Neurochirurgin sein. Das Feedback steht unmittelbar nach Fertigstellung der bildgebenden Untersuchung der Betroffenen zur Verfügung und ermöglicht schnelle Reaktionszeiten.
Yiwei Lyu, Co-Erstautor und Postdoktorand im Bereich Informatik und Ingenieurwesen an der U-M, erklärt: „Bei der Auswertung einer MRT-Aufnahme des Gehirns ist Genauigkeit von größter Bedeutung, aber schnelle Durchlaufzeiten sind entscheidend für eine zeitnahe Diagnose und bessere Ergebnisse.“ Die Forschungsergebnisse demonstrieren, wie Prima Arbeitsabläufe verbessert.
Funktionsweise des Vision Language Model
Prima basiert auf einem Vision Language Model (VLM), einem KI-System, das Videos, Bilder sowie Texte simultan und in Echtzeit verarbeiten kann. Es handelt sich nicht um den ersten Versuch, künstliche Intelligenz auf MRT-Untersuchungen und weitere Formen der Neurobildgebung anzuwenden, doch der gewählte Ansatz unterscheidet sich grundlegend von bisherigen Methoden.
Frühere Systeme basierten auf manuell zusammengestellten Teilmengen von MRT-Daten zur Erfüllung spezifischer Aufgaben, etwa die Identifikation von Läsionen oder die Risikoabschätzung für Demenzerkrankungen. Bei der Entwicklung von Prima verfolgte Hollons Team einen umfassenderen Ansatz und trainierte das Programm mit sämtlichen verfügbaren MRT-Aufnahmen der Universitätsklinik.
Umfangreiche Datenbasis für die KI-Entwicklung
Das Training umfasste rund 200.000 Studien und 5,6 Millionen Sequenzen, die seit Beginn der Digitalisierung der Radiologie an der University of Michigan Health vor Jahrzehnten erstellt wurden. Zusätzlich integrierten die Forschenden die Krankengeschichten der Patientinnen und Patienten sowie die ärztlichen Begründungen für die Anordnung medizinischer Bildgebungsuntersuchungen in das Modell.
Samir Harake, Co-Erstautor und Datenwissenschaftler in Hollons Machine Learning in Neurosurgery Lab, erklärt: „Prima arbeitet wie ein Radiologe, indem es Informationen über die Krankengeschichte des Patienten und Bildgebungsdaten integriert, um ein umfassendes Verständnis seines Gesundheitszustands zu erhalten.“ Dies ermögliche eine verbesserte Leistung bei diversen Vorhersagen.
Weltweite Herausforderungen bei MRT-Untersuchungen
Jährlich werden weltweit Millionen von MRT-Untersuchungen durchgeführt, wobei ein beträchtlicher Anteil neurologische Erkrankungen betrifft. Diese Nachfrage übersteigt laut den Forschenden das vorhandene Angebot an neuroradiologischen Dienstleistungen erheblich und führt zu großen Herausforderungen wie Personalmangel oder Diagnosefehler in der medizinischen Praxis.
Abhängig vom Ort eines MRT-Scans können Tage oder sogar mehr vergehen, bis Patientinnen und Patienten ein Ergebnis erhalten. Vikas Gulani, Mitautor und Vorsitzender der Abteilung für Radiologie an der U-M Health, sagt: „Unabhängig davon, ob Sie einen Scan in einem größeren Gesundheitssystem mit steigendem Patientenaufkommen oder in einem ländlichen Krankenhaus mit begrenzten Ressourcen durchführen lassen, sind neue Technologien erforderlich.“
Skalierbare Lösung für strukturelle Probleme
Die Teams an der University of Michigan haben gemeinschaftlich eine Lösung für dieses Problem mit enormem, skalierbarem Potenzial entwickelt. Die Technologie könnte sowohl in großen städtischen Kliniken als auch in kleineren ländlichen Einrichtungen eingesetzt werden. Dadurch würden der Zugang zu radiologischen Dienstleistungen und die Versorgungsqualität verbessert.
Obwohl Prima überzeugende Ergebnisse erzielt hat, befindet sich die Forschung noch in der Anfangsphase. Die zukünftige Arbeit des Forscherteams wird sich mit dem Einsatz detaillierterer Patienteninformationen und elektronischer Daten aus Krankenakten befassen, um eine genauere Diagnose zu ermöglichen. Diese Strategie ahmt nach, wie Radiologinnen und Radiologen MRT-Aufnahmen interpretieren.
Ausblick auf breitere Anwendungsmöglichkeiten
Gesundheitsdienstleister, Gesundheitssysteme und politische Entscheidungsträgerinnen und Entscheidungsträger ermitteln noch, wie künstliche Intelligenz angemessen in die Praxis integriert werden kann. Die meisten derzeit verwendeten Systeme sind für eng begrenzte medizinische Aufgaben vorgesehen. Was Hollon als „ChatGPT für die medizinische Bildgebung“ bezeichnet, besitzt weitaus breiteres Potenzial. Denn das System könnte künftig für andere bildgebende Verfahren wie Mammographien, Röntgenaufnahmen des Brustkorbs sowie Ultraschalluntersuchungen angepasst werden.
Ein Beitrag von:
