AI und Machine Learning

Algorithmen helfen bei schnellen und sicheren Diagnosen in der Radiologie

Künstliche Intelligenz und das maschinelle Lernen gehören gegenwärtig zu den großen Themen in der Radiologie. Seit 2014 beschäftigt sich contextflow, ein Spin-Off der Medizinischen Universität Wien unterstützt durch die Inkubatoren i2c Technische Universität Wien und INiTS, mit genau diesen Themen.

Photo
Dr. Helmut Prosch, Facharzt für Radiologie an der Universitätsklinik für Radiologie und Nuklearmedizin an der MedUni Wien/AKH Wien.

Immer dann, wenn während der Befundung eines Falles zusätzliche Informationen für eine sichere Diagnose benötigt werden, findet die Software basierend auf einer markierten Bildregion visuell ähnliche Vergleichsfälle und dazugehörig relevante Fachartikel. Die Lösung wird kontinuierlich im engen Austausch mit Radiologen weiterentwickelt. Zwei davon sind Dr. Helmut Prosch, Facharzt für Radiologie an der Universitätsklinik für Radiologie und Nuklearmedizin an der MedUni Wien/AKH Wien und Dr. Philipp Peloschek, Leiter des Radiology Center Wien. An beiden Einrichtungen soll contextflow noch in diesem Jahr in den Echtbetrieb übernommen werden.

Warum Algorithmen des maschinellen Lernens so wichtig sind, erläutert Dr. Prosch: „Die neue Generationen von CT und MRT liefert so viele Informationen, dass ein Mensch sie nicht alle erfassen kann. Trotzdem müssen wir Radiologen daraus Befunde und Diagnosen ableiten. Das maschinelle Lernen ermöglicht uns eine einfachere Auswertung der Bilddaten und bedeutet im Endeffekt eine höhere Sicherheit für Arzt und Patient.“ Besonders hilfreich ist die Softwareunterstützung bei seltenen Erkrankungen, die ein Radiologe nicht so häufig sieht.

So liegt der Fokus von contextflow gegenwärtig auf der Unterstützung der Diagnose von diffusen parenchymaösen Lungenerkrankungen. Davon gibt es mehr als 200 und die Unterschiede sind sehr schwer zu beurteilen. „Die Software hilft uns, die krankhaften Veränderungen in einen klinischen Kontext zu setzen und damit die Befundung abzusichern“, sagt Dr. Prosch.

Alle Informationen auf Mausklick

Photo
Dr. Philipp Peloschek, Leiter des Radiology Center Wien.

Wie funktioniert das mit contextflow? Der Radiologe markiert eine Bildregion mit markanten Inhalten, veranlasst eine Analyse des Algorithmus und bekommt binnen Sekunden relevante Referenzfälle, die dieselben Mustercharakteristika aufweisen, sowie Informationen zu naheliegenden Differentialdiagnosen. Parallel werden Links zu Textstellen in der Fachliteratur aufgeführt. „Keine zeitaufwändige und frustrierende Suche mehr in unterschiedlichen Webseiten und Büchern, um die benötigten Informationen zu finden. Sie sind jetzt nur noch einen Mausklick entfernt“, verspricht Markus Holzer, Mitgründer und Geschäftsführer von contextflow. Die Technologie von contextflow analysiert und lernt dabei von weitaus mehr Bildern als ein Radiologe in seiner Dienstzeit zu Gesicht bekommt.

"Mit ein wenig Übung kommt man mit einer, bisher üblichen, gezielten Recherche auch zu Ergebnissen“, gibt Dr. Peloschek über die bisherige Arbeit ohne der Software zu bedenken, „der Vorteil des maschinellen Lernens liegt allerdings in der Automatisierung und Einbindung in unsere Arbeitsabläufe. Und die Ergebnisse sind valide, unabhängig von der individuellen Erfahrung der Radiologen.“ Er ist der Überzeugung, dass Befunde mit maschinellem Lernen künftig schneller, für Patienten sicherer und für die Zuweiser exakter erbracht werden können. „Die ersten Ergebnisse bei Stichproben sind sehr vielversprechend“, so der Leiter des Radiology Center Wien.


Quelle: contextflow GmbH

07.09.2017

Mehr aktuelle Beiträge lesen

Verwandte Artikel

Photo

Bildbasierte Diagnose von Covid-19

KI erkennt Coronavirus auf CT-Scans

Zur Erkennung des Coronavirus SARS-CoV-2 gibt es neben den weltweit eingesetzten PCR-Tests (Polymerase-Kettenreaktion) noch weitere Diagnosemöglichkeiten: Die Erkrankung lässt sich auch per…

Photo

Smarte Helfer

KI in der Urologie – heute und in Zukunft

Intelligente Bilderkennung, Progressions-Vorhersage, Clinical Decision Support und mehr: KI und Maschinelles Lernen verändern bereits heute die Medizin – wie werden die Technologien die Operative…

Photo

Maschinelles Lernen

Radiologie der Zukunft: Mensch und Maschine

Künstliche Intelligenz ist nach wie vor eines der heißesten Themen in der Radiologie. „Die Auswertung von Mustern in Daten aus bildgebenden Untersuchungen und klinischen Informationen zu…

Verwandte Produkte

Fujifilm - FDR EX-M1 AI box

Aritificial Intelligence

Fujifilm - FDR EX-M1 AI box

FUJIFILM EUROPE GmbH
Fujifilm · REiLI

Artificial Intelligence

Fujifilm · REiLI

FUJIFILM EUROPE GmbH
Hitachi - Diagnostic Image Support Solutions

Artificial Intelligence

Hitachi - Diagnostic Image Support Solutions

Hitachi Medical Systems Europe (Holding) AG
Siemens Healthineers – AI-Rad Companion

Artificial Intelligence

Siemens Healthineers – AI-Rad Companion

Siemens Healthineers
Agfa HealthCare – DR 100e

Mobile DR

Agfa HealthCare – DR 100e

Agfa HealthCare
Agfa - Smart XR

Accessories/ Complementary Systems

Agfa - Smart XR

Agfa HealthCare
Newsletter abonnieren