Das automatische Klassifizieren von MRT-Phänotypen primärer Mammakarzinome mittels Radiomics verbessert die Vorhersage des Überlebens.

Die Erwartungen und Befürchtungen an Künstliche Intelligenz (KI) sind groß. Risiken und Chancen diskutiert ein Experte für Innovation im Gesundheitswesen – und stellt den Radiologen ein gutes Zeugnis aus.

Zur Detektion des Prostatakarzinoms anhand der multiparametrischen MRT sind derzeit zwei europäische KI-basierte Systeme verfügbar. Beide befinden sich noch in Entwicklung.

„In Ihrer Fachrichtung gibt es jede Menge sensationeller Entwicklungen. Vermutlich vergeht keine Woche, in der nicht eine neue Ära ausgerufen wird.“ Sagt Sascha Lobo, Autor und Blogger, in seiner viel beachteten Röntgen-Vorlesung.

Die Radiologie war schon immer eine stark innovationsgetriebene Fachdisziplin. Doch seit maschinelles Lernen und seine Unterdisziplin, die künstliche Intelligenz, nach vorne preschen, ist die Radiologie mehr denn je dazu angehalten, ihre Prozesse und ihr Selbstverständnis zu überdenken.

Ranga Yogeshwar erläuterte in seiner Key Note zu Künstlicher Intelligenz, warum diese Frage nicht abwegig ist – und warum es weiter Radiologen geben wird.

„Nach diesem Vortrag sollten Sie sich mit dem Begriff Radiomics besser auskennen als vorher“, so Ulrike Attenberger. Aus standardisierten Bilddaten prädiktive Marker zu entwickeln, die eine Therapieanpassung im Sinn personalisierter Medizin ermöglichen – darum gehe es.

Hinter dem Begriff Künstliche Intelligenz (KI) stecken viele unterschiedliche Techniken. Felix Nensa, Uniklinik Essen, erläuterte zentrale Funktionsweisen und anschauliche Beispiele.

Welche auf künstlicher Intelligenz basierenden Anwendungen halten derzeit Einzug in den radiologischen Alltag? Um sich von Experten auf den aktuellen Stand bringen zu lassen, schalteten sich mehr als 5000 Interessenten in ein live gestreamtes Event der European Society of Radiology ein: ‚Intelligence. Innovation. Imaging. The perfect Vision of AI.’

Automatisierte Bildanalyse hilft Hirntumoren automatisch zu erkennen und den kontrastmittel-anreichernden Tumoranteil und das peritumorale Ödem volumetrisch zu vermessen.