Mit Künstlicher Intelligenz lassen sich Bilder segmentieren und Informationen extrahieren. Die Systeme unterstützen die Befundung semi- oder vollautomatisch. ExpertInnen sind sich uneins, wann die ersten Algorithmen Einzug in den radiologischen Alltag halten.
Standardisierte und gut strukturierte Daten bilden die Grundlage für einen sinnvollen Einsatz Künstlicher Intelligenz in der Radiologie.
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.
Auch wenn Experten die Verdrängung von Radiologen durch künstliche Intelligenz in den nächsten Jahren voraussagen, ist die Zukunft des Radiologen nicht so düster, wie es scheint.
Die künstliche Intelligenz boomt auch im medizinischen Bereich. In der Radiologie kann sie zu verbesserten Arbeitsabläufen führen und Ärzte durch die Aufbereitung von Bildern unterstützen.
Die technische Entwicklung schreitet rasant voran. Richtig eingesetzt kann künstliche Intelligenz Ärzten eine große Chance bieten.
Künstliche Intelligenz ist in der Medizin nicht einfach zu implementieren. Sie bietet aber vielfältige Chancen – von günstigeren Medikamenten über bessere Medikamentensicherheit bis hin zur personalisierten Medizin.
Künstliche Intelligenz ist auch für die medizinische Forschung ein interessantes Thema. Ein mögliches Anwendungsgebiet könnte die Segmentierung von Tumoren sein.
Die gewebsspezifische energetische Schwächung von Photonen während einer PET könnte mit Hilfe von Deep Learning auch in der MR-Umgebung künftig zuverlässige Bildrekonstruktionen ermöglichen.
Deep-Learning-Netzwerke analysieren orthopädische Röntgenbilder mit hoher Genauigkeit und können RadiologInnen in der täglichen Routine unterstützen.
