- Aktuelles
- Newsletter
- Newsletter März 2021| Nr. 195
- Künstliche Intelligenz bei Mammographien und zur Analyse von Thorax-CT-Bildern
Künstliche Intelligenz bei Mammographien und zur Analyse von Thorax-CT-Bildern
Für das Thorax-CT wurden im MIBriefing drei Softwares (Veye Chest (Aidence), icolung (icometrix), Veolity (MeVis)) näher untersucht. Der Funktionsumfang dieser Programme reicht von der automatischen Erkennung, Klassifizierung, Vermessung und Wachstumsbewertung von soliden und sub-soliden Lungenknoten, über Segmentierung und Vermessung von Lungenanomalien bis hin zum automatischen Vergleich aktueller und früherer Scans. Darüber hinaus wurden sowohl KI-Technologien für die digitale Vollfeldmammographie (FFDM, 2D-Bildgebung) als auch für die digitale Brust-Tomosynthese (DBT, 3D-Bildgebung) berücksichtigt: Nämlich: Transpara Mammography und Transpara DBT (ScreenPoint Medical), HealthMammo Software (Zebra Medical Vision) sowie ProFound AI für 2D-Mammographie und ProFound AI für DBT (iCAD).
Evidenz (von begrenzter Qualität) in Bezug auf das Thorax-CT stammte aus zwei nicht vollständig veröffentlichten retrospektiven Studien. Veye Chest (Aidence) konnte hier bei der Beurteilung des Wachstums von Lungenknoten eine ähnliche Leistung erbringen wie Thoraxradiolog*innen. Zur Evidenz hinsichtlich von Mammographien wurden sechs retrospektive klinische Validitätsstudien, drei Konferenzberichte, drei Konferenz-Abstracts und eine Studie zur diagnostischen Genauigkeit eingeschlossen. Diese zeigten Leistungsverbesserungen und Zeitersparnis bei der Interpretation von Mammographien.
Unsicherheiten (hinsichtlich Thorax-CT) ergaben sich aus der unzureichenden Evidenz, der Populationsabhängigkeit des KI-Logarithmus sowie den unbekannten Risiken in der Automatisierung. Deshalb sollte laut NICE die Technologie nur als Hilfsmittel, d.h. zusätzlich zu Radiolog*innen, eingesetzt werden. Die fehlenden Datensätze zur einheimischen Population in Bezug auf klinische Validität und das Fehlen prospektiver klinischer Studien wurde in Bezug auf die Anwendung bei Mammographien bemängelt. Obwohl die Kostenmodelle bei den verwendeten Softwares in beiden Anwendungsfällen aktuell erheblich variieren und überdies laufende Updates und Support erforderlich sind, könnte laut NICE die KI-Technologie den Ressourcenverbrauch reduzieren – v.a. hinsichtlich der Arbeitsbelastung des Personals beim Lesen von CT-Bildern und Mammographien. OS
NICE/ UK 2021: Artificial intelligence for analysing chest CT images. www.nice.org.uk/guidance/mib243
NICE/ UK 2021: Artificial intelligence in mammography. www.nice.org.uk/guidance/mib242