Da die Diagnose von Prostatakrebs zunehmend komplexer wird, entwickelt sich die Zusammenarbeit zwischen menschlicher Expertise und künstlicher Intelligenz (KI) zu einem entscheidenden Faktor zur Verbesserung der diagnostischen Genauigkeit. Neueste Forschungsergebnisse betonen, dass die Kombination von KI mit der Expertise von Radiolog:innen einige der Einschränkungen des aktuellen Standards, der auf individuellen Interpretationen basiert, überwinden kann. Diese Mensch-KI-Partnerschaft ist der Schlüssel zur Reduzierung der Variabilität, Verbesserung der Workflow-Effizienz und Optimierung des gesamten diagnostischen Prozesses. Im Folgenden erläutern wir, wie diese Zusammenarbeit die Prostatakrebs-Erkennung revolutionieren kann und was für eine erfolgreiche Integration in die klinische Praxis erforderlich ist.

Laut eines Artikels von Anwar Padhani und Nickolas Papanikolaou ist die Zusammenarbeit zwischen Mensch und KI entscheidend, um das volle Potenzial der MRT bei der Prostatakrebs-Diagnose zu erschließen, da sie die Stärken der KI mit der Expertise der Radiologen kombiniert, um konsistentere Diagnosen zu liefern. Der aktuelle Standard, der auf der Interpretation eines einzelnen Radiologen beruht, hat Einschränkungen wie Inter-Reader-Variabilität und die Möglichkeit verpasster Diagnosen. Während KI-Systeme manchmal besser abschneiden als einzelne Radiolog:innen, erreichen sie noch nicht die Genauigkeit von Expert:innen, die in multidisziplinären Teams (MDTs) arbeiten, oder die Genauigkeit von zwei unabhängigen Leser:innen im Screening.

Hier eine Aufschlüsselung, warum diese Zusammenarbeit so wichtig ist:

• Steigerung der diagnostischen Leistung: Positive Interaktionen zwischen KI-unterstützten Geräten und Radiolog:innen können die diagnostische Leistung verbessern, indem die Präzision der KI mit der kontextuellen Expertise der Radiolog:innen kombiniert wird. KI kann Anomalien erkennen, die Radiolog:innen möglicherweise übersehen, wodurch die Rate falsch-negativer Ergebnisse verringert wird.
• Standardisierung der Interpretationen: KI kann Interpretationen standardisieren und die Inter-Reader-Variabilität verringern, die mit subjektiven Bewertungssystemen wie PI-RADS verbunden ist.
• Verbesserung der Workflow-Effizienz: KI-unterstützte Geräte können Routineaufgaben wie die Segmentierung von Drüsen, volumetrische Messungen und Läsionenannotation automatisieren, sodass sich Radiologen auf Entscheidungen zur Biopsie konzentrieren können. Triage- und Hochkonfidenz-Filter-Workflows können auch die Berichtszeiten beschleunigen und den Arbeitsaufwand entlasten.
• Funktion als zweiter Leser/Sicherheitsnetz: KI kann als unabhängige zweite Meinung fungieren, indem sie Bereiche kennzeichnet, die Radiolog:innen möglicherweise übersehen haben, wodurch falsch-negative Ergebnisse reduziert und die Sensitivität verbessert wird.
• Unterstützung weniger erfahrener Leser:innen: KI kann als Entscheidungshilfe dienen, indem sie verdächtige Bereiche markiert und Konfidenzwerte liefert, was besonders für unerfahrene Radiolog:innen bei der Krebsdetektion, der Weiterbildung und der Vertrauensbildung von großem Wert ist.
• Gezielte Überprüfung: Bei der KI-unterstützten gezielten Überprüfung hebt die hochsensitive KI verdächtige Läsionen hervor, und Radiolog:innen treffen anschließend Entscheidungen, was die Effizienz und Genauigkeit verbessern kann. Radiolog:innen überprüfen auch negative Fälle und fungieren als Sicherheitsnetz für die KI.
• Arbeitsbelastungsmanagement: KI-Triage-Workflows können Fälle auf Basis der Risikostratifizierung priorisieren, sodass unklare und hochverdächtige Fälle eine beschleunigte Überprüfung erhalten und Flexibilität im Arbeitsmanagement geboten wird.

Der Artikel betont jedoch auch die Notwendigkeit, Leistungsanforderungen und die Dynamik der Mensch-KI-Interaktion sorgfältig zu berücksichtigen. Eine größere KI-Autonomie erfordert höhere Leistungsbenchmarks, insbesondere in Szenarien für "Rule-in" und "Rule-out". Negative Interaktionen wie Automatisierungsbias oder algorithmische Aversion müssen durch sorgfältige Implementierung und ein besseres Verständnis der KI-Ergebnisse verringert werden.

Letztlich hat die strategische Implementierung kollaborativer KI-Radiologen-Workflows das Potenzial, die diagnostische Genauigkeit und Effizienz bei der Prostatakrebs-Erkennung erheblich zu steigern. Durch die Reduzierung verpasster Krebsfälle, die Verbesserung des Workflows und die Unterstützung der Radiolog:innen bei Entscheidungsfindungen verspricht diese Zusammenarbeit eine zeitgerechtere und angemessenere Patientenversorgung. Damit dieses Potenzial vollständig ausgeschöpft wird, sind weiterhin rigorose Validierungsstudien und eine durchdachte Integration in die klinische Praxis erforderlich. Da sich KI weiterentwickelt, wird ihre Partnerschaft mit Radiolog:innen eine entscheidende Rolle bei der Weiterentwicklung der Zukunft der Prostatakrebs-Diagnose und der Patientenergebnisse spielen.

Wenn Sie mehr darüber erfahren möchten, wie Sie Prostatakrebs-Screenings mit Prostate.Carcinoma.ai in mint Lesion optimieren können, klicken Sie hier.

Padhani Anwar R. & Nickolas Papanikolaou. 2025. “AI and human interactions in prostate cancer diagnosis using MRI.” European Radiology. https://doi.org/10.1007/s00330-025-11498-0