Wird die Radiologie von der KI übernommen?

[docdean]

Wenn man Ärzte wirklich ersetzen wollen würde, würde man den Notaufnahme-Ärzten die Bettensuche abnehmen, den Stationsärzten die Arztbriefschreibung, das Einsammeln von Vorbefunden (telefonisch beim Hausarzt und ggf. noch mehreren Kliniken anrufen, aufs Fax warten und in die Akten einsortieren bzw. einscannen), elektronisch vorliegende Befunde automatisch in die Kurve und den Brief übernehmen und und und. Solange das alles nicht mal ansatzweise passiert, obwohl dafür nicht mal irgendeine neuartige Technologie notwendig wäre, mache ich mir überhaupt keine Sorgen um meinen Job.

Oder spezielle in der Radiologie: Meine Oberärzte diktieren immer noch an die menschliche Schreibkraft, weil ihnen die Spracherkennung nicht gut genug ist. Wir Kinder nutzen so halb die mäßig gute Spracherkennung, tippen aber auch viel, weil wir das als Digital Natives schnell können. Die Befunde müssen wir im Word-ähnlichen Textprozessor noch formatieren. Das frisst alles massig Zeit, in der wir vielleicht doppelt so viele Bilder angucken könnten. Und die meisten unserer Befunde bestehen am Ende eh zum großen Teil aus denselben Floskeln, aber Textbausteine zu nutzen, die sich nicht flexibel anpassen lassen, spart auch keine Zeit. Da ist so viel Sparpotenzial, das ganz ohne KI genutzt werden könnte.

Was ich mir von der KI in relativ naher Zukunft erwarten (und wünschen) würde, wär eine Einsortierung der Pathologien und Anatomie nach Standard-Bildkriterien, also zum Beispiel das Ausmessen von Raumforderungen, Abgrenzung von Gefäßen, Lymphknoten und sowas, sodass man die Tumorformeln schnell (und objektiv) zusammen hätte und den Chirurgen bestmögliche Hilfestellung geben kann. Trotzdem werden die Chirurgen immer noch auf eine Demonstration in der Morgenbesprechung bestehen, und wenn die ITS nachts mit einem instabilen multimorbiden postoperativen Situs auf der Matte steht, wird die KI vermutlich nicht gefiltert sagen können, was jetzt gerade das führende Problem ist. Der Job des Radiologen ist am Ende nicht eine umfassende Auflistung aller Haupt- und Nebenbefunde, sondern die Beratung der patientenbetreuenden Kollegen, die gerade nicht wissen, was sie tun sollen.

[FirebirdUSA]

Ich denke die Arbeit wird sich zu erst für andere Fachgruppen ändern, z.B. Radioonkologie, Onkologie, Pathologie und erst dann für die Radiologen. Warum? Das Problem im Moment sind doch vor allem gute Trainingsdaten. Diese sind einfach nicht vorhanden und die Informationen in den klinischen Systemen auch nicht ausreichend zugänglich, es hat eben kein Radiologe Lust hunderte von MS Läsionen von Hand zu konturieren oder Tumore von Hand zu segmentieren. Natürlich gibt es dort Entwicklungen in Richtung unsupervised learning und man kann vermutlich auch mit Transformer/Diffusion Models oder GANs auch in naher Zukunft Trainingsdaten synthetisieren, aber ich denke wir sind noch am Anfang. Am schnellsten wird es dort gehen wo schon strukturierte Daten da sind die relativ einfach zu erheben sind (z.B. die Krebsregister, Tumordatenbanken, Bestrahlungsplanungen der Radioonkologen). Bei den Radiologen wird es vermutlich Einzelprodukte geben die Teilaufgaben gut erledigen und zunächst "Anomaliedetektion", also die Erkennung von Abweichungen im Bild vom Normalen. Eingebunden in Systeme in denen dann der Radiologe diese bewertet, lassen sich dann relativ gut Trainingsdaten generieren. Selbst ein aktuelles System (was zertifiziert ist) trainiert auf Hundertausenden von Menschen gelabeleten Daten trainiertes System, kann eben seltene aber extrem relevante aber zum Glück sehr seltene Diagnosen (Encephalitis, Basilaristhrombose, Sinusthrombose, ...) im CCT nicht automatisiert erkennen, da einfach zu selten im Trainingsdatensatz. Wer sich da dann auf die vergebene Priorität verlässt ohne auf die Klinik zu achten kann auch Patienten gefährden.
Durchsetzen werden sich System die entweder Geld generieren oder Geld sparen - insofern denke ich das Vorhersagesysteme welche Patienten von teuren Therapie profitieren ggf kommen (und die Kassen dann entsprechende Therapie auch nur bei ausreichender Aussicht auf Erfolg zahlen). Trotzdem werden wir noch Radioonkologen, Radiologen, Onkologen etc. brauchen - ansonsten wird es nämlich keine Weiterentwicklung geben. Im Moment werden entsprechende Unterstützungsystem einfach deshalb nicht eingesetzt, da sie kein Geld bringen. Befundfehler werden ja nicht bestraft, es gibt nicht mehr Geld für gute Befunde und soviel Zeitersparnis bringen die System im Moment auch noch nicht... in Studiensettings wo es auf Reproduzierbarkeit ankommt denke ich werden entsprechende System aber schon zeitnah menschliche Rater ersetzen (z.B. Tumorgrading, Beurteilung Therapieansprechen auf Bildern, etc.).

[Stuntman Mike]

Vor 15 Jahren lebten wir in einer völlig anderen Welt als heute. Das war gerade mal ein paar Jahre nach der Einführung von Breitbandinternet, jede SMS hat 19 Cent gekostet und auf gängigen "Smartphones" hat man Snake auf Schwarzweiß zu Game-Boy-Gepiepe gespielt.
Komisch, ich nehme das ganz anders wahr… was du schreibst, klingt eher nach 1998 als nach 2008. 2008 gab es schon Smartphones, Facebook, Flatscreens etc… seitdem gab es IMO viel Weiterentwicklung, aber nicht viel fundamental Neues…



Der Job des Radiologen ist am Ende nicht eine umfassende Auflistung aller Haupt- und Nebenbefunde, sondern die Beratung der patientenbetreuenden Kollegen, die gerade nicht wissen, was sie tun sollen.
Der Satz gefällt mir. Tatsächlich hat mich das nächtliche Gespräch im Dienst mit einem guten Radiologen schon oft sehr viel weiter gebracht als mit dem eigenen Hintergrund ;-)

[Endoplasmatisches Reticulum]

Komisch, ich nehme das ganz anders wahr… was du schreibst, klingt eher nach 1998 als nach 2008. 2008 gab es schon Smartphones, Facebook, Flatscreens etc… seitdem gab es IMO viel Weiterentwicklung, aber nicht viel fundamental Neues…
Das war eben gerade der Wendepunkt, an dem diese Entwicklungen salonfähig wurden. Mein erstes Smartphone war Ende 2007 das Nokia E70. Das war ein schweineteures Business-Gerät, hatte ganz neu Farbdisplay und ne ausklappbare Volltastatur. Machen konnte ich damit aber nicht viel, weil gefühlte 98 % aller Leute im Privatbereich immer noch die Schwarzweißdinger hatten, mobiles Internet absurd teuer und auf Megabytes beschränkt war, und jede SMS die erwähnten 19 Cent kostete. Von MMS (R.I.P.) wollen wir mal gar nicht sprechen. Snake in Farbe war jetzt auch nicht der krasse Unterschied. Facebook hat in meinen sozialen Kreisen 2008 niemand gekannt bis auf ein paar Leute, die gerade ein Semester in den USA waren und sich da angemeldet hatten, um in Kontakt zu bleiben. Abseits von StudiVZ/MeinVZ war da hierzulande noch noch nichts los.

Mein Amazon-Account existiert seit 2002. Lustigerweise glauben die mir immer noch nicht, dass ich 18 bin, wenn ich Horrorfilme bestellen möchte. Grmpf.

[docdean]

seitdem gab es IMO viel Weiterentwicklung, aber nicht viel fundamental Neues…

Weiter oben war mal die Rede von exponentiellem Fortschritt. Den gibt es zwar, aaaber andererseits gibt es auch das Pareto-Prinzip, das besagt, dass man den Großteil des Fortschritts mit relativ wenig Aufwand hinbekommt, der letzte Rest aber dafür umso schwerer zu erreichen ist. So erwartet ich das hier auch - assistierende Bilderkennung für Pathologien wird noch relativ schnell kommen, aber eine vollständige, verlässliche Befundung, die keinen Radiologen mehr braucht, vielleicht nie. Ähnlich mit assistiertem Autofahren und komplett selbstfahrenden Autos, die ohne Lenkrad auskommen und alle Situationen im Straßenverkehr meistern könnten. Auch Smartphones haben sich in den 10er-Jahren schnell stark weiterentwickelt, aber in den letzten Jahren kommt eigentlich nichts Revolutionäres mehr.

[TaraTamm]

es hat eben kein Radiologe Lust hunderte von MS Läsionen von Hand zu konturieren oder Tumore von Hand zu segmentieren.

Ist ja auch nicht sinnvoll, dass das ein Radiologe macht, um AI-Futter zu generieren. Ein deutscher Radiologe, der am Rechner sitzt und manuell MS-Läsionen konturiert, wäre so ziemlich das absurdeste, was man machen könnte, um Trainingsdaten zu generieren.

Das machen die großen Player schon seit Jahren sehr viel effizienter in Billiglohnländern. Habe schon 2018 Stellenausschreibungen für radiologische Supervisor für solche Bildaufbereitungen in Indien gesehen.

Das läuft in 3 Stufen:
1. Automatische Konturierung durch die bereits vorhandene Software
2. Manuelle Kontrolle und ggf. Nachbearbeitung durch Billiglohnarbeiter ohne medizinischen Abschluss nach Einarbeitung
3. Revision durch einen Radiologen nur dann, wenn die Software oder der Hilfsarbeiter sich unsicher ist

Ich schätze dabei kommt auf 100-1000 Hilfsarbeiter 1 Radiologe.

Inwieweit inzwischen wie von dir erwähnt zusätzliches Trainingsmaterial rein maschinell generiert wird, weiß ich nicht.

All das funktioniert aber eben so systematisch nur für die Standard-Fälle. Schon mit der halbwegs zuverlässigen Erkennung einer Appendizitis im CT-Bild wird sich ein ungelernter Billiglohnarbeiter auch nach intensiver Einarbeitung deutlich schwerer tun.

[freak1]

Trotzdem sind alle automatischen MS-Softwares, die wir (als Uni) bisher getestet haben, schlecht gewesen. Haben viele Läsionen nicht gesehen, du musstest trotzdem alles manuell nachkontrollieren etc. Gerade (ggf. neue) kleine juxtakortikale Läsionen wurden häufig übersehen und gerade da wäre es interessant. Für dicke periventrikuläre Herde benötige ich keine Hilfe. Wir haben den Versuch eingestellt und machen es wieder per Hand.

Ich sehe das wie die meisten hier im Thread. Ich gehe davon aus, dass wir in den nächsten Jahren viel KI-Unterstützung erhalten werden (automatische Läsionsvolumetrie, z. B. KM-affiner Anteil bei GBM, longitudinaler Verlauf über mehrere Voruntersuchungen automatisch darstellen, Metastasen markieren bei Met-Köpfen, bessere MS-Herd Detektion). Aber ersetzen? Glaube ich nicht. Gerade das „Bildbefund in den klinischen Kontext einordnen“ wird die Software bei den hier größtenteils sehr unstrukturiert vorliegenden Daten noch laaaaange nicht können.

[TaraTamm]

Trotzdem sind alle automatischen MS-Softwares, die wir (als Uni) bisher getestet haben, schlecht gewesen. Haben viele Läsionen nicht gesehen, du musstest trotzdem alles manuell nachkontrollieren etc. Gerade (ggf. neue) kleine juxtakortikale Läsionen wurden häufig übersehen und gerade da wäre es interessant. Für dicke periventrikuläre Herde benötige ich keine Hilfe.

Das passt ja durchaus zur o.g. Methode der Aufbereitung von Trainingsdaten. Die kleinen juxtakortikalen Herde erkennt weder die bisherige AI, noch der Hilfsarbeiter. Und der Radiologe bekommt sie dann gar nicht zu Gesicht. Ist aber sicher ein lösbares Problem, man müsste halt gezielt in diese Richtung bei der Mitarbeiterschulung nachjustieren und anfangs niederschwelliger den Supervisor kontaktieren lassen. Solche Verbesserungen werden sicherlich nach und nach kommen in den nächsten Jahren. Ich denke ihr werdet ein entsprechendes Feedback an den Anbieter gegeben haben. Auch Sam Altman betont immer wieder, wie wichtig Userfeedback für die Entwicklung von AI ist.

[mbs]

Die Diagnostik wird immer mehr von KI durchgeführt werden, eventuell wird man nur aus juristischen Gründen in Deutschland noch jemanden einstellen, der eine Approbation hat und auf "Validieren" klickt, obwohl er keine Ahnung hat wie die KI zu ihrem Ergebnis gekommen ist. Ein Zwischenschritt wird es sein, dass die KI Aufnahmen "screent" und nur noch das was als "pathologisch" gelabelt wurde an einen Mediziner weitergeleitet wird. Wobei dann fraglich ist, woher der seine Erfahrung nehmen soll. Vielleicht aus virtuellen Trainingsprogrammen.
Die die jetzt Radiologen werden hätten diese Kompetenz aber noch. Und sie wären im Management einsetzbar, beispielsweise als Praxisinhaber und Unternehmer, oder bei Investitionsentscheidungen von Kliniken, oder auch der Konzeption von KI-Softwarelösungen.

Wo Radiologen definitiv auf absehbare Zeit aber nicht abgelöst werden sind Interventionen. Und dafür steigt der Bedarf sicher auch bei der aktuellen demografischen Entwicklung. Insofern wird es weiterhin ein zukunftsträchtiges Fach bleiben, nur die Tätigkeitsinhalte werden sich etwas verschieben.

[FirebirdUSA]

Ist ja auch nicht sinnvoll, dass das ein Radiologe macht, um AI-Futter zu generieren. Ein deutscher Radiologe, der am Rechner sitzt und manuell MS-Läsionen konturiert, wäre so ziemlich das absurdeste, was man machen könnte, um Trainingsdaten zu generieren.

Das machen die großen Player schon seit Jahren sehr viel effizienter in Billiglohnländern. Habe schon 2018 Stellenausschreibungen für radiologische Supervisor für solche Bildaufbereitungen in Indien gesehen.

Das läuft in 3 Stufen:
1. Automatische Konturierung durch die bereits vorhandene Software
2. Manuelle Kontrolle und ggf. Nachbearbeitung durch Billiglohnarbeiter ohne medizinischen Abschluss nach Einarbeitung
3. Revision durch einen Radiologen nur dann, wenn die Software oder der Hilfsarbeiter sich unsicher ist

Ich schätze dabei kommt auf 100-1000 Hilfsarbeiter 1 Radiologe.

Inwieweit inzwischen wie von dir erwähnt zusätzliches Trainingsmaterial rein maschinell generiert wird, weiß ich nicht.

All das funktioniert aber eben so systematisch nur für die Standard-Fälle. Schon mit der halbwegs zuverlässigen Erkennung einer Appendizitis im CT-Bild wird sich ein ungelernter Billiglohnarbeiter auch nach intensiver Einarbeitung deutlich schwerer tun.

Welche Big Player meinst du denn? Ich kenne die Details eines Anbieters der in einem Billiglohnland durch dortige Radiologen hat labeln lassen, einschließlich der Rate an im Testdatensatz durch Neuroradiologen korrigierter Befunde... das funktioniert so nicht gut.

[vlsime]

Korrigiert mich, wenn ich falsch liege (bin kein Radiologe!), aber wenn ich die Meldungen und Veröffentlichungen, die ich mitbekommen habe, richtig verstanden habe, dann machen KI-Anwendungen in der Radiologie hauptsächlich dort "Fortschritte", wo es um rechnisch klar definierte, einfach zu operationalisierende und oft sogar "binär kodierte" Fragestellungen geht: Mamographie-Screening (Suspekte Herde: ja oder nein?), Beurteilung von Lungenrundherden, Vermessen von MS-Läsionen im ZNS usw. Das ganze macht - außerhalb von spezialisierten Einrichtungen - aber eher einen kleinen Teil der radiologischen Diagnostik aus, oder?

Diagnostik in Situationen, wo noch gar nicht klar ist, um was es geht, ist etwas ganz anderes: je nach klinischer Situation und Fragestellung muß manchmal ja erst geklärt werden, welche Untersuchung sinnvoll ist; ggf. muß zur validen Befundung ebenfalls Rücksprache mit den "Klinikern" gehalten werden; und manchmal fallen Dinge auf, die nicht von vornherein im Fokus standen, deren Relevanz aber nur ein Mensch sicher und verlässlich einordnen kann. Ich denke z.B. an Schnittbildgebung des Kopfes in Notfallsituationen (V.a. Schlaganfall, unklare Bewußtlosigkeit usw.), Fokussuche bei Sepsis, ggf. Polytrauma-Diagnostik, Tumorstaging bzw. -suche usw.

Wie sehen das denn z.B. die radiologischen Fachgesellschaften? Da wird doch sicherlich auch darüber diskutiert...?

[FirebirdUSA]

Gibt z.B. Segmentierung von Gliomen (BRATS Challange), da konnte Heidelberg zeigen dass die automatisierte Progressbewertung genauso zuverlässig ist eie Referenzbewertung, funktioniert im Moment vorallem bei GBM gut. Automatisierte CCT Bewertung gibt es von australischer Firma, Clotdetection bei Schlaganfall gibt es auch schon... die meisten sind sicher für die Kreisklinik sinnvoll, spezialisierte Neuroradiologien sind in der Regel (noch) besser

[xenopus laevis]

Letztens hat unsere KI im konventionellen Röntgen Arthrose-Grad III bei einer Knie-TEP diagnostiziert. Da hat die Knie-TEP mal so gar nichts gebracht.

[FirebirdUSA]

Letztens hat unsere KI im konventionellen Röntgen Arthrose-Grad III bei einer Knie-TEP diagnostiziert. Da hat die Knie-TEP mal so gar nichts gebracht.
Ist die denn überhaupt für Z.n. Knie TEP zugelassen?

[xenopus laevis]

Ja, das Programm ist dafür zugelassen. Aber jede KI fängt mal klein an.

[Matzexc1]

Gibt z.B. Segmentierung von Gliomen (BRATS Challange), da konnte Heidelberg zeigen dass die automatisierte Progressbewertung genauso zuverlässig ist eie Referenzbewertung, funktioniert im Moment vorallem bei GBM gut. Automatisierte CCT Bewertung gibt es von australischer Firma, Clotdetection bei Schlaganfall gibt es auch schon... die meisten sind sicher für die Kreisklinik sinnvoll, spezialisierte Neuroradiologien sind in der Regel (noch) besser
Bei unseren Teleradiologen wäre das von Vorteil, vielleicht gebe ich das Mal weiter.
Es ist schon bitter wenn im Befund St.n Tracheostoma mit Kanüle steht und die Patientin selbst für den Laien einen sichtbarenTubus hat. Oder demletzt das behauptete Glioblastom(eindeutige ger Abszess) bei einer nachgewiesen höchst septischen Patientin mit Immunsuppression

[TaraTamm]

Bei unseren Teleradiologen wäre das von Vorteil, vielleicht gebe ich das Mal weiter.
Es ist schon bitter wenn im Befund St.n Tracheostoma mit Kanüle steht und die Patientin selbst für den Laien einen sichtbarenTubus hat. Oder demletzt das behauptete Glioblastom(eindeutige ger Abszess) bei einer nachgewiesen höchst septischen Patientin mit Immunsuppression

Beides sicherlich keine Paradebeispiele, wo eine AI derzeit hilfreich wäre. Der erste Fall ist irrelevant und der zweite durch reine Bilderkennung oft nicht lösbar. Rein bildmorphologisch kann in einer CT die Unterscheidung zwischen (atypischem/zystischem) Glioblastom und Hirnabszess durchaus schwierig bis unmöglich sein. Das ist genau einer der Fälle wo die klinischen Informationen entscheidend für den korrekten Befund sind. Oder was hat den Abszess in diesem Fall so „eindeutig“ gemacht?

[pguff95]

Vielen herzlichen Dank für den informativen Input von euch Leute! :) Die Frage von mir war jedoch durchaus plumper gestellt - ich bin nur ein kleiner Medizinstudent, der bald fertig mit dem Studium ist (so komplex in die Materie wollte ich garnicht gehen :p). Radiologie ist mein Traumfach, aber natürlich mache ich mir einige Sorgen über die Zukunft dieses Faches. Andererseits finden sich bei anderen Fächer, die ich favorisiere wie z.B. Dermatologie ja auch zahlreiche Negativaspekte, die die Entscheidung schwer machen. Na ja, wird schon schief gehen alles..

[Tramaldol]

Beides sicherlich keine Paradebeispiele, wo eine AI derzeit hilfreich wäre. Der erste Fall ist irrelevant und der zweite durch reine Bilderkennung oft nicht lösbar. Rein bildmorphologisch kann in einer CT die Unterscheidung zwischen (atypischem/zystischem) Glioblastom und Hirnabszess durchaus schwierig bis unmöglich sein. Das ist genau einer der Fälle wo die klinischen Informationen entscheidend für den korrekten Befund sind. Oder was hat den Abszess in diesem Fall so „eindeutig“ gemacht?

Es gibt sogar Studien, wieviel schlechter Radiologiebefunde werden, wenn die Klinischen Angaben fehlen: Ca.60-80%.
Daher pochen (gute) Radiologen ja auch so auf den Klinischen Angaben und der Rechtfertigenden Indikation rum und man kann nicht einfach sagen: CT Ganzkörper bitte einmal zum Mitnehmen.

[anignu]

CT Ganzkörper bitte einmal zum Mitnehmen.
Ich dachte die geliebte Anforderung ist die "triple rule out". Einfach mal alles, mit KM und EKG-getriggert. Bäm, oider! Und wehe die Aorta wird nicht bis bis in die Leisten gefahren! Könnte schließlich auch was Hochprojeziertes sein ;-)

Aber apropos CT Ganzkörper: gibt es nicht schon KI-Projekte im Sinne der Polytraumaspirale die mit KI analysiert wird?