Frank Philipp Schweikhard

• In einem modernen, digitalisierten Gesundheitssystem mit all seinen komplexen Herausforderungen ist Künstliche Intelligenz (KI) aus dem klinischen Arbeitsalltag, insbesondere in der Radiologie, nicht mehr wegzudenken. Dennoch ist nur ein Bruchteil der aktuell verfügbaren kommerziellen medizinischen KI-Anwendungen durch unabhängige Studien evaluiert. Das Ziel der hier vorliegenden Arbeit war daher, ein Programm, das mittels künstlicher Intelligenz auf Grundlage eines U-Net-Algorithmus insgesamt 15 verschiedene Erkrankungsbilder in Röntgenuntersuchungen des Thorax automatisiert befundet, anhand von Aufnahmen aus einer deutschen Universitätsklinik zu evaluieren. Dafür wurden 479 Untersuchungen mittels eines Auswertungsbogens durch zwei erfahrene Radiolog*innen zunächst separat befundet. Für sieben ausgewählte Krankheitsbilder erfolgte anschließend ein zusätzlicher, gemeinsamer Befundungsdurchgang der initial diskrepanten Untersuchungen. Separat davon wurden alle Röntgenuntersuchungen durch die KI-Anwendung analysiert. Die Diagnosen wurden anschließend mittels ROC-Analysen für unterschiedliche Klassifikations-Schwellenwerte abgeglichen. Sie wurden sowohl getrennt nach einzelnen Krankheitsbildern, als auch kombiniert im Sinne eines ganzheitlichen Befundes ausgewertet. Zudem erfolgte eine Analyse möglicher Einflussparameter auf die Übereinstimmung zwischen Mensch und KI mittels hierarchischer Regression. Insgesamt ergab sich über alle Krankheitsbilder hinweg eine sehr gute Übereinstimmung der Konsens-Befunde und der KI-Ergebnisse mit AUC-Werten zwischen 0,79 und 0,92, Sensitivitäten zwischen 70% und 100% bei Spezifitäten von 57% bis 88%. Für den negativen prädiktiven Wert konnten für alle Erkrankungen exzellente Ergebnisse von mindestens 97% erzielt werden. Die besten Ergebnisse zeigten sich für die automatisierte Befundung jeweils einzelner Krankheitsbilder, für kombinierte Befunde waren die Ergebnisse weniger gut. Es zeigte sich ein Einfluss der Parameter Alter, Geschlecht und Komorbidität auf die Übereinstimmung der menschlichen und der KI-Befunde. Die Ergebnisse dieser Arbeit implizieren, dass KI-Anwendungen wie die hier vorliegende zum aktuellen Zeitpunkt noch nicht für die vollständig automatisierte Befundung von Röntgenuntersuchungen des Thorax genutzt werden sollten. Es zeigte sich jedoch auch, dass solche Anwendungen in speziellen Situationen – wie etwa Screening-Szenarien – und mit qualifizierter menschlicher Supervision bereits heute eine große Unterstützung im klinischen Arbeitsalltag darstellen können.