Zukünftige Herausforderungen für RadiologInnen
Neue IT-Entwicklungen und Änderungen im Gesundheitsbereich machen RadiologInnen nicht zwangsläufig überflüssig, schlussfolgert die vorliegende Analyse zweier amerikanischer Radiologen.
-
Datum:22.03.2018
-
Journal:J Am Coll Radiol. 2017;14(11):1476-80.
-
Titel:Artificial Intelligence: Threat or Boon to Radiologists?
-
Autor:Recht M und Bryant N
Zur Originalstudie
Computergestützte Bildauswertung und maschinelles Lernen, die Verschiebung von stationärer zu ambulanter Versorgung und neue Modelle der Kostenerstattung rufen bei RadiologInnen die Sorge hervor, sie könnten ihre Bedeutung einbüßen.
Michael Recht und Nick Bryant, NYU Langone Health, New York, diskutieren, inwiefern sich der klinische Alltag von RadiologInnen verändern könnte und wie RadiologInnen davon profitieren könnten.
Neue Versorgungsstrukturen und Kostenerstattungsmodelle
Studien sehen einen verstärkten Trend weg von stationärer und hin zu ambulanter Versorgung, der mit einem geringeren Bedarf an radiologischer Bildgebung einhergeht. Recht und Bryant führen hingegen an, dass die ambulante Bildgebung in radiologischen Praxen zu einer erhöhten Sichtbarkeit von RadiologInnen beitragen wird. RadiologInnen können in eigenen Praxen ein größeres technisches und auch methodisches Verständnis entwickeln, wenn Geräte und Protokolle nicht mehr durch Klinikvorgaben eingeschränkt sind.
Recht und Bryant stimmen zwar Studien zu, nach denen qualitätsbasierte Zahlungsmodelle oder die Übertragung der Kostenverantwortung auf die anfordernden ÄrztInnen zu einer Verringerung der angeforderten Bildgebungsverfahren führen können. Allerdings weisen sie darauf hin, dass die Verfahren und die Auswertung der Bilder immer komplexer werden. Der Arbeitsaufwand für RadiologInnen bliebe also ähnlich hoch. Außerdem ist die akkurate Auswertung der Bilder nur mit großer Erfahrung und guter spezifischer Ausbildung möglich. RadiologInnen können dadurch ihren Wert steigern.
Maschinelles Lernen zum Vorteil der RadiologInnen
Computergestützte Systeme (CAD) zur Auswertung radiologischer Bilder werden immer häufiger genutzt. Basiert das System auf maschinellem Lernen, verbessert sich seine Leistung selbstständig. Bisher sind die Anwendungen fast ausschließlich für spezifische Problemstellungen programmiert, wie die Detektion von pulmonaler Knoten oder Dickdarmpolypen.
Reich und Bryant sehen für RadiologInnen große Vorteile der CAD-Anwendung im klinischen Alltag:
- qualitativ höherwertige Befundberichte aufgrund besserer Daten
- größere Motivation und Zufriedenheit aufgrund weniger repetitiver und umfangreicher Arbeitsschritte (zum Beispiel Ausmessung von Läsionen)
- mehr Zeit für Verknüpfung von Bild- mit PatientInnendaten, Interaktion mit PatientInnen und anderen klinischen Fachbereichen.
Laut Reich und Bryant kann der flächendeckende CAD-Einsatz durchaus zu einer Verringerung der benötigten RadiologInnen führen. Sie sehen allerdings noch einige Hürden auf dem Weg zu einer erfolgreichen CAD-Implementierung in die Radiologie:
- langwieriger und kostenaufwendiger Zulassungsprozess durch regulatorische Behörden
- Wunsch der PatientInnen, sich eher von RadiologInnen untersuchen und befunden lassen zu wollen als von Algorithmen allein
- rechtliche Verantwortung der SoftwareentwicklerInnen bei Fehldiagnosen.
Fazit
RadiologInnen müssen technische Entwicklungen, wie computergestützte Bildauswertung und maschinelles Lernen, nicht fürchten, sondern können davon profitieren. Übernehmen Programme Teile der Bildauswertung, können RadiologInnen ihre gewonnene Zeit den PatientInnen und der Entwicklung höherwertiger Diagnostikprotokolle widmen und sich so unentbehrlich machen.
anho/ktg
22.03.2018
