KI im radiologischen Praxisalltag: Ergebnisse des Verbundprojektes multiparametrische MRT Prostata
Das Radiologienetz-Verbundprojekt mpMRT Prostata wurde von Mitte Juli 2023 bis Mai 2024 durchgeführt. Es beinhaltete die Installation der iDA Plattform der Firma DAYIANA zur Ausführung von (KI-) Applikationen sowie zwei Prostata-KI-Applikationen von den Firmen Lucida Medical und Siemens (ab Mitte Oktober). Die Finanzierung und die Projektleitung lagen bei Curagita.
Alle Ergebnisse können Sie als PDF runterladen.
Zu Beginn haben neun Praxen aus dem Radiologienetz teilgenommen. Viele der teilnehmenden Radiologen hatten aus vergangenen Projekten im Radiologienetz (RaDiagnostiX Prostata) Erfahrungen mit der Prostatadiagnostik. Zum Jahreswechsel kamen nochmals zwei Netzpraxen dazu. Sechs der teilnehmenden Praxen haben neben der KI-Applikation von Lucida Medical auch die Prostata-KIApplikation der Firma Siemens installiert. Insgesamt wurden 1007 Studien durch Lucida Medical und 135 Studien durch Siemens prozessiert und zurück in das PACS gespielt. Sechs der elf Pilotpraxen haben insgesamt 230 Ergebnisse von Lucida und 95 Ergebnisse von Siemens analysiert.
Befundungsqualität
In der Rückschau kann man sagen, dass die KI-Applikationen sehr sensitiv auf heterogene Eingabedaten reagieren und daher in einigen Praxen nicht ordnungsgemäß funktioniert haben. Die Prostata Segmentierung sowie die Volumen- und Zonengrenzenbestimmung wurde durchgehend als gut bewertet. Die Läsionssegmentierung und Klassifizierung wurde bemängelt. In 27% der Fälle wurden signifikante Läsionen nicht gefunden. Auch die Anzahl der falsch-positiven Ergebnisse wurde als zu hoch bewertet. In 37% der Fälle wurde mindestens ein falsch-positives Ergebnis gefunden.
Es hat sich gezeigt, dass die Prostata-Diagnostik nicht nur für Radiologen eine Herausforderung darstellt. Die KI hat noch ihre Schwierigkeiten und kommt noch nicht an die Leistung von Radiologen mit Erfahrung in der Prostata-Bildgebung heran.
Allerdings waren die aus dem Piloten gewonnen Daten zur Fehleranalyse brauchbar, um die Applikationen toleranter bezüglich Unregelmäßigkeiten in Bildern bzw. den Sequenzen zu gestalten. Dadurch hat sich schon innerhalb des Projektzeitraumes eine deutliche Verbesserung der Performance eingestellt, die nochmal bis zum Ende des Jahres 2024 deutlich erhöht werden soll.
Im Hinblick auf die Verbesserung der Ergebnisse im Zeitverlauf lässt sich schließen, dass eine enge Zusammenarbeit sowie eine genaue Überwachung von Eingabedaten und Applikationsergebnissen ebenfalls zu den Erfolgsfaktoren zählen.
Integration in Workflow
Bei der Integration in den Workflow hat sich gezeigt, dass ein hinsichtlich der optischen Gestaltung anpassbarer, von der KI vorbefüllter, editierbarer Bericht, wünschenswert wäre. Einige Teilnehmer haben eine vollautomatisierte, schnelle Prozessierung als Erfolgsfaktor genannt. So wurden KI-Berichte nicht berücksichtigt, weil sie zum Zeitpunkt der Befundung noch nicht im PACS vorhanden waren.
Außerdem hat sich gezeigt, dass viele DICOM-Viewer strukturierte DICOM-Elemente gar nicht oder nur bedingt unterstützen bzw. diese nicht ausblenden können, sodass die Befundung erschwert wird, wenn diese an das PACS gesendet wurden. Die Filterung / Konfiguration der Ergebnisobjekte ist daher ebenfalls erfolgsentscheidend.
Bezüglich einer reibungslosen Installation und einem effizienten Betrieb hat sich entsprechend der obigen Erkenntnis gezeigt, dass ein genaues Verständnis radiologischer IT-Umgebungen im Allgemeinen und der Eigenheiten der verschiedenen PACS im Speziellen wichtig sind.
Fazit und Ausblick
Abschließend lässt sich sagen, dass aktuell für einen effizienten Einsatz von KI es der Mitwirkung der diese nutzenden Radiologen/-innen bedarf, da im Dialog schnell deutliche Verbesserungen beim Einsatz erzielt werden können. Dementsprechend ist eine Umgebung, die schnelle Anpassungen zulässt, erfolgskritisch.
Um effizientere Workflows zu erreichen, sollte der Dialog idealerweise sowohl die Hersteller der umgebenden Systeme (insbesondere PACS) mit einschließen, als auch die Erstattung umfassen, damit die mit dem Umstellungsprozess verbundenen Kosten nicht alleine von Praxen getragen werden müssen. Um die Kosten bis zur Erstattung zu reduzieren, ist es sicherlich von Vorteil, als Gruppe zu agieren, um Skaleneffekte (Staffelpreise / Austausch von Implementierungserkennt-nissen) zu erzielen.
Neben der Umsetzung der „Lessons Learned“ wird der Fokus auf der Erweiterung des Applikationsportfolios liegen, insbesondere zur Unterstützung administrativer Tätigkeiten. Neben den von uns betrachteten Applikationen nehmen wir auch gerne Hinweise bezüglich sinnvoller Applikationen aus dem Radiologienetz entgegen, um sie als Plattform-Applikation aufzunehmen. Sollten Sie Interesse an der Nutzung von KI-Applikationen haben, sprechen Sie uns gerne an.
Download der Ergebnisse als PDF
Hier können Sie das Whitepaper mit den zusammengefassten Analysedaten kostenfrei als PDF herunterladen.
Kommentare
Keine Kommentare