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 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.

Neue IT-Entwicklungen und Änderungen im Gesundheitsbereich machen RadiologInnen nicht zwangsläufig überflüssig, schlussfolgert die vorliegende Analyse zweier amerikanischer Radiologen.

Interstitielle Lungenerkrankungen sind teils schwer voneinander abzugrenzen. Lernende Computersysteme verbessern ihre Differenzierung. Neue prognostische Parameter können verifiziert werden.