Laut Forschern trifft jeder Erwachsene 35.000 Entscheidungen täglich. Während es in der Literatur keine Zahlen darüber gibt, wie viele Entscheidungen ein Radiologe vornehmen muss um einen radiologischen Befundbericht abzuschließen, so bringt doch jeder Befund spezifische Anforderungen an die Fähigkeiten des Befunders, Komplexität, sowie eine enorme Menge an zu treffenden Entscheidungen. Künstliche Intelligenz (KI) beginnt derzeit die radiologische Arbeitsweise zu erweitern und strebt eine Verbesserung der Qualität und Verringerung der Variabilität an. Des Weiteren wird KI zunehmend zu allen Teilaufgaben der radiologischen Arbeit beitragen und die Arbeitslast des Radiologen verringern. Hierdurch entsteht Raum für eine flächendeckende, personalisierte radiologische Diagnostik. Ändern sich also mit dem Einzug von Künstlicher Intelligenz die Entscheidungen des radiologischen Arbeitsalltages zukünftig dahingehend, dass es um spezifische phänotypische Charakterisierungen gehen wird?

Viele der gegenwärtigen und bevorstehenden KI Produkte basieren auf Deep Learning Algorithmen. Dabei handelt es sich um Daten getriebene Verfahren, die heute üblicherweise mit einer sehr großen Zahl radiologischer Bilder und überprüfter Annotationen trainiert werden damit der Computer Beobachtungen auf den Bildern automatisch vornehmen kann. mint Lesion schreitet hier weiter voran und kombiniert mehrere Ansätze aus dem Bereich der KI, wie unter anderem Deep Learning und wissensbasierte Modelle, um die radiologische Befundung mit Kontextassistenz und einer Verbesserung der Arbeitsabläufe von A bis Z zu optimieren:

Bei einer oftmals zeitaufwändigen Befundung einer multiparametrischen MRT der Prostata beispielsweise kann mint Lesion automatisch klinische Patienteninformationen in das dedizierte und anpassbare Befundprofil vorladen. Die klinischen Daten umfassen auch PSA-Werte aus Laborbefunden. Diese werden im Zuge der Befundung automatisch mit den volumetrischen Messungen des Prostatavolumens verknüpft und die PSA-Dichte bestimmt. Des Weiteren können mit mint Lesion 3.5 Messungen einer Läsion einfach auf andere Bildserien, wie beispielsweise DWI oder Perfusion übertragen werden. Die Beurteilung der Läsionen unterstützt mint Lesion auch durch die Bestimmung des PI-RADS Scores einer Läsion und leitet den Gesamt-Score und die Index-Läsion automatisch ab. Der resultierende Bericht kommt in strukturierter Form und umfasst Visualisierungen und Diagramme zur Nachvollziehbarkeit durch die Befundempfänger. Die Ergebnisse können auch als DICOM-Objekte an Urologen weitergeleitet werden, die diese als Grundlage für eine Präzisionsbiopsie mit Hilfe der TRUS-MRI-Fusion verwenden können. Im Rahmen von Forschungsarbeiten werden die Informationen aus multiparametrischer MRT, Biopsie und Pathologie mit Hilfe von mint Analytics zusammengeführt. Dies erlaubt eine visuelle Erkundung interdisziplinärer, strukturierter Daten für eine systematische Optimierung der bildbasierten Diagnostik.

mint Lesion 3.5 bringt somit Künstliche Intelligenz über verschiedene Arbeitsschritte der radiologischen Befundung hinweg zum Einsatz: Beginnend mit einem Vorsprung durch klinische Kontextinformationen für den einzelnen Patientenfall bis zur automatischen Erstellung nachvollziehbarer Berichte in strukturierter Form. Durch die Unterstützung von KI haben die Radiologen von morgen somit bei ihren Entscheidungen Patienten, Erkrankungen und ihre Bericht- und Datenempfänger präzise im Fokus. Entscheiden Sie jetzt noch heute mehr über mint Lesion 3.5 zu lernen! Kontaktieren Sie uns.