Anzeige
KI für Pneumothoraxerkennung Immer mehr Arbeit für Dr. med. Computer
In Zukunft könnten KI-Modelle auch als Triageinstrument eingesetzt werden.
© ipopba – stock.adobe.com
Die Diagnose Pneumothorax wird in der Regel mittels Thoraxröntgen gestellt. Künstliche Intelligenz (KI) kann bei der Auswertung der Bilder helfen und so die Versorgung kritisch kranker Menschen verbessern und beschleunigen, schreiben der Neurologe Dr. James Hillis vom Data Science Office des Netzwerks Mass General Brigham in Boston und Kollegen. Die FDA hat bereits mehrere softwarebasierte Modelle zur Pneumothoraxerkennung zugelassen. Gemeinsam mit weiteren Forschern aus den USA und Australien testete das Team nun die Leistungsfähigkeit des einzigen kommerziell erhältlichen KI-Modells, das einen Pneumothorax und einen Spannungspneumothorax unterscheiden kann. Der Algorithmus war zuvor an mehr als 750.000 Thoraxröntgenaufnahmen trainiert worden.
Drei Thoraxradiologen traten gegen den Algorithmus an
Das Analysekollektiv bildeten 985 Röntgenaufnahmen von Erwachsenen (Durchschnittsalter 60,8 Jahre) aus den Archiven von vier US-Kliniken. Zunächst werteten drei erfahrene Thoraxradiologen die Bilder aus: In 435 Fällen (44,2 %) diagnostizierten sie Pneumothoraces, darunter 128 Spannungspneumothoraces, bei den übrigen 550 Aufnahmen (55,8 %) schlossen sie diese Lungenkomplikation aus.
Das KI-Modell identifizierte sowohl jegliche Pneumothorax-Fälle als auch die Spannungspneumothoraces mit hoher Treffsicherheit: Die sogenannte Area Under the Curve betrug jeweils mehr als 0,95, bei einer Sensitivität und Spezifität von über 90 %. Die Diagnosegenauigkeit war dabei unabhängig von demografischen (Alter, Geschlecht) und technischen Parametern (Hersteller, Patientenposition, Röntgenprojektion) sowie von der Pneumothoraxausdehnung. Zusatzbefunde wie ein Pneumomediastinum, ein subkutanes Emphysem oder eine Interkostaldrainage reduzierten allerdings die Spezifität.
Die Forschenden halten das KI-Modell für ein wertvolles Triageinstrument, das beispielsweise dabei helfen kann, vital gefährdete Personen priorisiert zu behandeln. Studien müssen nun klären, inwiefern sich der Algorithmus auf den klinischen Arbeitsfluss und die Behandlungsergebnisse auswirkt.
Quelle: Hillis JM et al. JAMA Netw Open 2022; 5: e2247172; DOI: 10.1001/jamanetworkopen.2022.47172
