ECR 2018 – “Good Data” statt “Big Data”
Künstliche Intelligenz und radiologische Expertise werden in Zukunft ineinandergreifen. Idealerweise entsteht daraus bessere Qualität zu geringeren Kosten. Der Berliner Radiologe Marc Dewey definierte vor allem drei Bereiche, die Radiologen gestalten sollten.
-
Präsentationstag:28.02.2018 0 Kommentare
-
Autor:kf/ktg
-
Sprecher:Marc Dewey, Charité Berlin
-
Quelle:ECR 2018
Marc Dewey, Heisenberg Professor an der Charité in Berlin, stellte fest, dass sich der Trend weltweit von der Einzelleistungsvergütung wegbewegt hin zur leistungsabhängigen Vergütung. “Idealerweise verbessert das den Outcome und senkt die Kosten,” so Dewey. Dies sei das vorrangige Ziel von wertorientierter Medizin (value-based medicine). Vor allem drei Bereiche böten für die Radiologie besonderen Gestaltungsspielraum.
1. Personalisierte Entscheidungsbildung
“Wir brauchen klinische Vorhersageregeln, um Entscheidungen zu personalisieren”, sagte Dewey und nannte Risikorechner für die koronare Herzerkrankungen als ein bereits funktionierendes Beispiel für diese sogenannten 'clinical prediction rules' (CPR). Grundsätzlich hält er jede Entscheidung pro oder contra einer diagnostischen Methode für personalisierungswürdig. Dieser Prozess bedürfe der Verbesserung. Die European Society of Radiology (ESR) habe mit iGUIDE and eGUIDE, die die Anamnese des Patienten bereits in Module zur Entscheidungsunterstützung integriert, erste Schritte in diese Richtung eingeschlagen.
Der iGuide ermöglicht Ärzten den Zugang zu den vollständigen ESR-Leitlinien für die Zuweisung für bildgebende Verfahren. Grundlage ist eine Plattform, die von einem der US-Marktführer für Entscheidungshilfelösungen in der medizinischen Bildgebung der stammt. Den eGuide stellt die ESR seit 2014 für das Training evidenzbasierter Entscheidungen in der Radiologie für Universitäten und kontinuierliche medizinische Weiterbildung (CME) zur Verfügung.
2. Der “bionische” Radiologe
Ein Paradigmenwechsel zum “bionischen Radiologen” sei notwendig, sagte Dewey. Künstliche Intelligenz solle sich mit der “menschlichen Bildanalyse” verbinden. Künstliche Intelligenz werde sich nahtlos in die klinischen Prozesse einfügen, sie werde zurzeit noch kaum fassbare Datenstrukturen in nutzbare Bildparameter umwandeln.
Radiologen würden perspektivisch zu Überwachern der von Algorithmen erzeugten diagnostischen Ergebnisse. Als Lotsen der Diagnostik brächten sie diese Ergebnisse für ihre Patienten in den klinischen Zusammenhang und stellten und verantworteten die finale Diagnose.
Dewey geht davon aus, dass Konsistenz und Genauigkeit der Bildanalyse dadurch steigen werden. Er verglich die zukünftige Arbeit der Radiologen mit der eines Piloten im Cockpit.
Eine kürzlich durchgeführte und bis dato unveröffentlichte Studie aus Deweys Abteilung an 103 Patienten zeigt, dass 84% der für eine CT überwiesenen Patienten die Kombination aus Diagnostik durch Computer und Radiologen der Diagnostik durch Computer oder Radiologen vorzieht.
3. Verbindung von Diagnostik und Behandlung
Die Entwicklung einer strukturierten Befundung, die Behandlungsempfehlungen erleichtert, hält Dewey als dritten Bereich für wichtig. “Bisher verbirgt sich die klinische Schlüsselinformation meist irgendwo in einem Befund”, so Dewey. Strukturierte Befundung enthält bereits vordefinierte Beschreibungen. Sie erlaubten objektivere Befundung und begrenzten die Prosa in Befunden.
Zudem ließen sich die Daten aus derartig strukturierten Befunden für Data Mining nutzen – daraus ließen sich weitere Vorhersageregeln und -werkzeuge ableiten.
Die Halbwertszeit der für derartige Werkzeuge nutzbaren Daten ist nach seiner Erfahrung eher kurz. Daten, die älter sind als vier Monate, ließen sich normalerweise nicht mehr brauchen: “Im Gegensatz zur immer noch herrschenden Ansicht bin ich definitiv der Meinung, dass wir `Good Data’ brauchen, nicht einfach nur ‘Big Data’”.
