Die automatische Segmentierung von Meningeomen mittels Deep-Learning und die manuelle Segmentierung sind in Punkto Genauigkeit vergleichbar. Ein solcher Ansatz könnte die RadiologInnen bei dieser Tätigkeit spürbar entlasten.
Intrakranielle Metastasen eines malignen Melanoms lassen sich mittels Deep Learning mit hoher Genauigkeit automatisch erkennen.
Für die Hirnvolumetrie gibt es bereits einen ganzen Werkzeugkasten an Software-Unterstützung.
Monotone Arbeiten in der Radiologie darf gerne die Künstliche Intelligenz übernehmen, wenn es nach den Teilnehmern einer Podiumsdiskussion beim neuroRAD 2019 geht.
Künstliche Intelligenz erzielt in DKFZ-Studie ähnlich hohe Erkennungsraten von verdächtigen MRT-Befunden wie Radiologen.
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.
