KI-gestützte Analyse von Thorax-Röntgenbildern zur Lungenkrebserkennung

Künstliche Intelligenz (KI) wird in der medizinischen Bildgebung immer häufiger eingesetzt. Sie sollen dabei helfen, verdächtige Befunde zu erkennen, einzuordnen oder nach Dringlichkeit zu reihen. Viele dieser Anwendungen werden als Entscheidungshilfen oder Triage-Systeme vermarktet und sind als CE-zertifizierte Medizinprodukte zugelassen. Das AIHTA hat in einem systematischen Review relevante KI-gestützte Anwendung für die diagnostische Bildgebung im österreichischen Krankenhausbereich hinsichtlich ihrer klinischen Wirksamkeit, organisatorischen Auswirkungen und des Ressourcenbedarfs detailliert untersucht. Dabei wurde auch eine vom AIHTA entwickelte Checkliste für die Beschaffung von KI-Anwendungen einem Praxistest unterzogen.

Im ersten Schritt ging es darum, relevante KI-Anwendungen in der diagnostischen Bildgebung in österreichischen Krankenanstalten zu identifizieren und unter Beiziehung von Expert:innen zu priorisieren. Im zweiten Schritt wurden hochwertige HTAs identifiziert und durch eine ergänzende Suche nach Primärstudien aktualisiert. Eingeschlossen wurden Studien, die entweder eigenständige KI-Systeme oder KI-unterstützte radiologische Befundung mit der alleinigen Befundung durch Radiolog:innen bei erwachsenen Patient:innen mit Thorax-Röntgenaufnahmen bei Verdacht auf Lungenkrebs verglichen.

Untersucht wurden die diagnostische Genauigkeit bei der Erkennung von Lungenkrebs und Lungenknoten, die technische Testleistung, klinische Ergebnisse, organisatorische Auswirkungen sowie Kosten- und Ressourcenaspekte. Die diagnostische Genauigkeit wurde anhand folgender Kriterien bewertet: Sensitivität (Erkennung tatsächlich Erkrankter), Spezifität (Erkennung tatsächlich Gesunder), positive und negative prädiktive Werte (Wahrscheinlichkeit, dass bei einem positiven bzw. negativen KI-Ergebnis tatsächlich eine Erkrankung vorliegt bzw. nicht vorliegt), Anteil korrekt klassifizierter Fälle, Diskriminierungsfähigkeit und Konkordanz (Übereinstimmung mit Referenzstandard). Zur technischen Testleistung gehörten die technische Ausfallrate (Fälle, in denen die Software ein Bild nicht analysieren kann) sowie die Konkordanz (das Ausmaß, in dem KI- und Nicht-KI-Technologien vergleichbare Ergebnisse liefern). Letztere gilt als wichtiger Vertrauensindikator für die Leistungsfähigkeit von KI-Software.

Es zeigte sich, dass die verfügbare Evidenz unzureichend ist, um einen Zusatznutzen KI-gestützter Thorax-Röntgenbefunde bei Verdacht auf Lungenkrebs in österreichischen Krankenhäusern zu belegen. Die eingeschlossenen Studien konzentrieren sich auf technische Endpunkte. Verbesserungen bei patient:innenrelevanten Ergebnissen, wie Krankheitsverlauf, Komplikationen, Mortalität der Lebensqualität, oder der Effizienz der Gesundheitsversorgung konnten nicht nachgewiesen werden. Obwohl KI das Potenzial hat, die Arbeit von Radiolog:innen zu unterstützen, bestehen erhebliche Evidenzlücken hinsichtlich Genauigkeit, Workflow-Integration, Transparenz, Chancengleichheit und Kosten.

Fazit: Um fundierte Entscheidungen über die Einführung solcher Systeme treffen zu können, sollte zukünftige Forschung prospektive Evaluierungen unter realen Versorgungsbedingungen umfassen, die Patient:innen entlang des gesamten Diagnosepfads begleiten, klinische und organisatorische Ergebnisse bewerten, Transparenz der Trainingsdatensätze gewährleisten sowie die lokale Kalibrierung und Anwendbarkeit prüfen.

AIHTA: Erdos J., Grabenhofer L. (2026): KI-gestützte Analyse von Thorax-Röntgenbildern zur Lungenkrebserkennung – ein Systematic Review klinischer Ergebnisse sowie organisatorischer Implikationen. HTA-Projektbericht 171b. https://eprints.aihta.at/1598/