RöKo Digital – Update: Künstliche Intelligenz in der Neuroradiologie
Startups möchten die Zukunftsvision der maschinellen Diagnostik wahr werden lassen. Ihre Software-Lösungen quantifizieren Hirnvolumina, charakterisieren Hirnläsionen und identifizieren ischämische Infarkte. Für die klinische Routinepraxis reicht das noch nicht, meint Michael Forsting, Universitätsklinikum Essen.
-
Präsentationstag:19.09.2020 0 Kommentare
-
Autor:biho/ktg
-
Sprecher:Michael Forsting, Universitätsklinikum Essen; Julia Krüger, Icometrix; Johannes Budjan, Mediaire; Simon Nagel, Brainomix
Drei Firmen stellten sich beim Röko Digital 2020 vor: Icometrix mit Hauptsitz im belgischen Leuven, Mediaire aus Berlin, und Brainomix mit Ursprung in Oxford, Großbritannien. Icometrix und Mediaire sind auf Hirnläsionscharakterisierung und -volumetrie spezialisiert, Brainomix arbeitet an der Schlaganfalldiagnostik. Michael Forsting, Universitätsklinikum Essen, lieferte den klinischen Hintergrund zu den vorgestellten Leistungen. Günter Layer, Klinikum Ludwigshafen, moderierte die zweistündige Veranstaltung.
Schwierigkeiten und Potenziale
Alle vorgestellten KI-basierten Anwendungen haben in den folgenden Bereichen Defizite aufzuweisen, so Forsting:
Trainingsdaten (Ground Truth)
Eine KI-basierte Anwendung kann nur so gut sein wie ihre Trainingsdaten – und valide Daten sind nicht einfach zu bekommen. Forsting vermutet sie bei großen Kliniken und rät den Startups, mit diesen zusammenzuarbeiten: „Es existieren Millionen kontrastverstärkter Bilder zum Trainieren.“
Nebenbefunde
Ein KI-basierter Algorithmus ist jeweils nur auf ein Krankheitsbild trainiert. Die Entdeckung zufälliger Nebenbefunde fällt weg. Damit kann beispielsweise bei einer MS-Befundung das Auftreten eines Hirntumors ungesehen bleiben.
Doppelbefundung oder Qualitätssicherung?
Fehler der KI-basierten Software können trotz ständiger Verbesserung nicht ausgeschlossen werden. Wichtig zu wissen: Bei Fehlbefundung liegt die Verantwortung bei den RadiologInnen. Das impliziert das Überprüfen des KI-Ergebnisses durch die RadiologInnen. Hier sprang Forsting sofort ein: „Die KI nutzt nichts, wenn der Radiologie doch noch einmal auf die Bilder schauen muss.“ Budjan von Mediaire sah die Tatsache als Qualitätssicherung: Die KI erhöht die Befundungssicherheit.
Auf dem richtigen Weg
Die vorgestellten Startups und anwesenden RadiologInnen sehen die Vorteile KI-basierter Anwendungen in der Radiologie so:
- Eine genaue Diagnose kann früher gestellt werden.
- Die Befundungssicherheit erhöht sich.
- Die Befundungszeit verringert sich.
- Die alltägliche Befundung wird erleichtert.
Die Wirklichkeit sei von diesen Ansprüchen noch weit entfernt, so Layer. Eine geringe Befundungszeit mit verlässlichen Diagnosen komplexer Krankheitsbilder – das fehlt bisher. Trotzdem seien die bisherigen Anwendungen und Erkenntnisse wichtig für zukünftige Entwicklungen, so Forsting. Irgendwann sei sogar eine Auswertung ohne Bilder vorstellbar, die allein auf den Rohdaten basiert.
Praxisrelevante KI-Lösungen der Zukunft
Verkürzte Untersuchungszeit
Das Ziel muss sein, die Untersuchungszeit zu verkürzen. Hier sieht Forsting gute Möglichkeiten: „Den k-Raum nur einmal aufnehmen, da sind alle Bilder drin, und der Patient kann schnell aus dem Gerät raus.“ Zudem sei der k-Raum relativ standardisiert, was eine KI-Nutzung im großen Rahmen vorstellbar mache.
Höhere Bildqualität durch virtuelle Hochfeldkontraste
Denkbar wäre, die KI mit Kontrastbildern aus einem 3T- oder 7T-Gerät zu trainieren und sie zur Auswertung von 1,5T-Bildern zu nutzen. Niedrigfeldgeräte würden dann Hochfeldkontraste liefern. „Das geht“, sagte Forsting.
Virtuelle Trainingsdaten
Für das KI-Training wären theoretisch auch virtuelle Daten, beruhend auf simulierten Krankheitsbildern, brauchbar. Forsting brachte als Beispiel Aneurysmen.
Hybridsystem Mensch-Maschine
Forsting sieht in naher Zukunft Hybridsysteme aus KI und RadiologInnen. Die KI als qualitätssichernde Maßnahme kann er sich eher vorstellen als eine KI als alleiniges Befundungsinstrument.
Icobrain von Icometrix – Cloud Service für die Neuroradiologie
Icometrix ist ein Spinoff der Universität Leuven, Belgien (https://icometrix.com). Der Cloud-Service-Partner quantifiziert Daten der Krankheitsbilder Multiple Sklerose, Epilepsie, Demenz und Schädel-Hirn-Trauma.
Ihre KI-Anwendung quantifiziert CT- und MRT-Bilder, im Originalformat oder rekonstruiert, so Julia Krüger von Icometrix. Die Läsionscharakterisierung spielt bei der Bildgebung für die Multiple Sklerose eine wichtige Rolle. Die Hirnvolumetrie orientiert sich an normativen Referenzdaten oder referenziert bei Verlaufsstudien auf vorangegangene Untersuchungen. „Für eine verlässliche Auswertung benötigen wir Geschlecht, Alter und Schädelvolumen des Patienten oder der Patientin“, sagte Krüger. „Alle anderen Daten bleiben verschlüsselt.“
Befundungszeit
Die Befundungszeit für degenerative Erkrankungen dauert in der Regel fünf bis sechs Minuten. Sie kann aber auch schon mal 15 Minuten in Anspruch nehmen, so Krüger. „Beim Lungenscreening mag das unproblematisch sein“, kommentierte Layer. „Für die klinische Routine ist das nicht akzeptabel.“
Feldstärken und Scannertypen
Die KI von Icometrix kann nicht zwischen verschiedenen Feldstärken oder Scannertypen unterscheiden – die NutzerInnen erhalten zwei Befunde, einen für eine angenommene Feldstärke von 1,5T und einen für 3T. Die Befunde sind Scannertypen-unabhängig.
mdbrain von Mediaire – Lokale Lösung für Hirnvolumetrie und Läsionscharakterisierung
Mediaire sitzt in Berlin (www.mediaire.de). Ihre Software dient der Quantifizierung neurodegenerativer Erkrankungen. Sie ist ins lokale PACS integriert. Johannes Budjan, Radiologie und Nuklearmedizin Ludwigshafen, betonte die einfache Integration ihres Algorithmus in den existierenden Workflow: „Unsere Software erleichtert die alltägliche Befundung“, sagte Budjan. „Die Befundungszeit verringert sich auf fünf bis sechs Minuten.“
Budjan stellte eigene Validierungsstudien zur Bewertung der Neurodegeneration vor. Die Reproduzierbarkeit ihrer Software mdbrain ist besser als die des Open-Source-Programms Freesurfer der US-amerikanischen Harvard Universität.
Feldstärken und Scannertypen
Die KI von Mediaire erstellt die Befunde spezifisch für ein Gerät. Hier sah Forsting das Problem der Vergleichbarkeit: Verlaufskontrollen, wie sie bei MS-PatientInnen notwendig sind, werden bei unterschiedlichen Scanner- und Protokolltypen schwierig.
Zankapfel Demenz
Die KI könne eine Demenzerkrankung frühzeitig erkennen sowie eine Abgrenzung zwischen Alzheimer und anderen Formen der Demenz treffen, so die Startups Mediaire und Icometrix. Für die Demenz sieht Forsting jedoch keine große Rolle in der Radiologie. „Die Morphologie sagt nichts über die Hirnfunktion aus“, sagte er. Dem widersprach Budjan: „Radiologen geben uns Feedback, dass die Demenzbildgebung für sie interessant ist.“
Brainomix – Akute Schlaganfallbildgebung mit der e-Stroke-Suite
Brainomix ist ein Spin-out der Universität Oxford, GB (https://www.brainomix.com). Die KI führt die Schlaganfall-Diagnostik auf Basis von CT- und CTA-Bildern durch. Die für die weitere Behandlung wichtige Unterscheidung zwischen einem verschlossenen Blutgefäß oder einer Hirnblutung trifft der Algorithmus von Brainomix in weniger als einer Minute.
Simon Nagel vom Universitätsklinikum Heidelberg, Berater für Brainomix, stellte die „e-Stroke-Suite“ vor. Die Software KI-ASPECTS zum Ausschluss einer Ischämie basiert auf dem Alberta Stroke Program Early CT Score mit bis zu zehn Punkten. Eine eigene Studie über die Leistungsfähigkeit der KI zeigte: KI-ASPECTS ist besser als AssistenzärztInnen, ebenso gut wie NeuroradiologInnen und bei anderen Pathologien fehleranfälliger als ExpertInnen. „Unsere KI analysiert auch kontrastverstärkte CTA-Bilder. Die Software e-CTA detektiert Gefäßverschlüsse und hilft so bei der Behandlungsentscheidung“, sagte er. ÄrztInnen und RadiologInnen werden auf der Brainomix-Website eingeladen, die e-Stroke-Suite im Rahmen einer Studie zu testen und mit ihren eigenen Befunden zu vergleichen.
Die KI-basierte Anwendung könnte fehlende Expertise ersetzen
Die Software von Brainomix kann auch eine akute Blutung identifizieren. „Für das Erkennen einer intrazerebralen Blutung benötige ich keine KI. Die erkenne ich in einer Millisekunde“, warf Forsting ein. Budjan stimmte zu: „Auch für die KI ist das keine große Herausforderung. Vorstellbar sind solche Anwendungen beispielsweise in Traumazentren ohne neuroradiologische Expertise.“ Auch bei Routine-Befundungen, Verlaufsbestimmungen und früher Prognoseabschätzung sah er Einsatzmöglichkeiten.
