Quelle: Philips
Sponsored • Lungenbildgebung bei Covid-19
Künstliche Intelligenz: Erfahrungen mit dem Philips IntelliSpace Portal in Heidelberg
Hans-Ulrich Kauczor, Professor für Radiologie am Universitätsklinikum Heidelberg, arbeitet seit längerem an der KI-basierten Erkennung von Lungenpathologien, zu denen auch Covid-19 gehört. In einem im Rahmen des RSNA 2020 von Philips veranstalteten Webinar mit dem Titel „Making Artificial Intelligence natural: the Philips approach” zeigte er am Beispiel von Lungenrundherden und Covid-19-Fällen, dass sich KI und Lungenbildgebung bestens ergänzen.
Die Beurteilung von Lungenrundherden, sei es im Zuge eines Lungenkrebsscreenings oder in der Klinik, ist ein komplexes Geschehen. Das Philips-Tool „Lung nodule assessment” zur Beurteilung von Lungenrundherden bietet, so Kauczor, Unterstützung entlang des gesamten Workflows: „Es sucht relevante frühere Untersuchungen, bereitet den Scan vor und zeigt das aktuelle und das frühere Bild. Die Funktion zur Lungensegmentierung stellt sicher, dass der rechte und der linke Lungenflügel getrennt beurteilt werden können. Darüber hinaus verfügt die Software über eine Funktion zur Erkennung von Läsionen, die ebenfalls segmentiert und als Daten zu Durchmesser und Volumen angezeigt werden.“
Das KI-Tool vergleicht Läsionen zu unterschiedlichen Zeitpunkten und zeigt so Veränderungen von Durchmesser und Volumen im Zeitverlauf. Radiologen können die dank Segmentierungsalgorithmus ermittelten Volumen entweder übernehmen oder verwerfen. Alle Messwerte können je nach Untersuchungs- oder klinischen Leitlinien direkt integriert werden. „Beim Lungenkrebsscreening gibt das System präzise an, ob es sich um LungRADS 1, 2, 3 oder 4 handelt. Im klinischen Bereich sind die Fleischner-Leitlinien maßgeblich“, erläuterte Kauczor. Diese quantitativen Bildgebungsbiomarker können auch mit einem Tool zur Risikoermittlung kombiniert werden, etwa dem Vancouver Lung Cancer Risk Prediction Model. Es ermittelt die prozentuale Wahrscheinlichkeit, ob eine Läsion gut- oder bösartig ist.
KI-Tools helfen bei automatischer Detektion von Covid-19
Laut Kauczor spielen in Zeiten von Covid-19 Tools zur automatischen Detektion und Charakterisierung von Lungeninfiltraten, vor allem bei viralen Pneumonien, eine wichtige Rolle: „Diese Tools unterstützen die Diagnostik, indem sie die Lungenflügel einzeln segmentieren, ebenso Milchglastrübungen und Konsolidierungen“. Die Ergebnisse all dieser Schritte lassen sich mit klinischen Metadaten kombinieren, so dass Modelle für die Prognostizierung und Risikobewertung des Patienten entstehen, etwa ob eine intensivmedizinische Behandlung oder Beatmung benötigt wird. „Diese Tools sind hilfreich für die Diagnostik von Infiltraten und bei der Unterscheidung einer Covid-19-Pneumonie von einer ambulant erworbenen Pneumonie, sei sie viral oder bakteriell. Das ist insbesondere jetzt im Herbst und Winter wichtig, wenn wir sowohl Influenza als auch Erkältungen und Covid-19-Pneumonien sehen“, bekräftigt er.
Ein Tool wie das „CT Pulmo Auto“ von Philips, das mit großer Zuverlässigkeit sagen kann, ob es sich bei einem Infiltrat um Covid-19 handelt oder nicht, spielt eine zentrale Rolle für die schnelle Diagnose der Krankheit. Forschungsergebnisse belegen, dass KI-Tools eine Covid-19-Pneumonie mit einer hohen Sensitivität (90%) und Spezifizität (96%) erkennen. Kauczor resümiert: „Computergestützte Funktionen und KI sind heute in einem einzigen Tool vereint und unterstützen damit die aktuellen Abläufe: die Segmentierung der Lunge, die Erkennung von Pathologien, die Quantifizierung und Charakterisierung von Läsionen als bösartig oder gutartig bzw. als Covid-19 oder Nicht-Covid-19“.
Ein zentrales Kriterium bei der Anschaffung einer KI-Lösung ist die Bedienerfreundlichkeit. Das sei, so Kauczor, besonders für Radiologen wichtig, die keine Experten auf dem Gebiet der Lungenbildgebung sind: „In dieser Pandemie ist es besonders wichtig, dass der diensthabende Radiologe, der vielleicht wenig Erfahrung mit Lungenerkrankungen hat, oder der Assistenzarzt bei der Diagnostik einer Covid-19-Pneumonie unterstützt wird, damit er sie von anderen Erkrankungen unterscheiden kann“.
KI-Algorithmen müssen weiter validiert werden, damit sie flächendeckend eingesetzt werden können. Auch müssen die Tools verfeinert und klinikweit verfügbar gemacht werden. Darüber hinaus müsse der Zusatzaufwand vergütet werden, der die bessere und objektivere Diagnose ermöglicht, unterstreicht der Radiologe. Ein weiteres Plus der KI-Tools, so Kauczor abschließend, sei die Dokumentation: „Quantitative Messungen fließen übersichtlich in einen strukturierten Befund - ein klarer Vorteil, soll der Bildgebungsbefund eindeutige Ergebnisse liefern. Dieser Befund kann dann problemlos in das klinische Informationssystem übertragen werden.“
Profil:
Prof. Dr. Hans-Ulrich Kauczor studierte Ende der 1980er Jahre in Bonn und Heidelberg Medizin und arbeitete danach als wissenschaftlicher Mitarbeiter in der Abteilung Radiologie am Deutschen Krebsforschungszentrum (DKFZ), die er viele Jahre später – von 2003 bis 2007 – leiten sollte. An der Kölner Universität erwarb er seinen Doktor und habilitierte sich an der Universität Mainz. Seit 2003 ist er Professor für Radiologie an der Universität Heidelberg, an der er 2008 die Ärztliche Direktion der Radiologie übernahm.
15.01.2021
