Anzeige

Künstliche Intelligenz diagnostiziert so gut wie Radiologen

Autor: Michael Brendler

In Sachen Sensitivität und Spezifität liegen Algorithmen und Mensch in der Radiologie gleichauf. In Sachen Sensitivität und Spezifität liegen Algorithmen und Mensch in der Radiologie gleichauf. © iStock/PhonlamaiPhoto
Anzeige

Kann die künstliche Intelligenz den Arzt ersetzen? Bei der Analyse von Röntgenbildern ist der Computer jedenfalls dem Menschen inzwischen ebenbürtig.

Sicher ist: Die Radiologen haben Hilfe dringend nötig. „Der Bedarf und die Zahl der diagnostischen Bilder überschreitet inzwischen massiv die Kapazitäten der vorhandenen Spezialisten“, schreiben Dr. Xiaoxua Liu von der Abteilung für Ophthalmologie am Universitätskrankenhaus Birmingham und Kollegen. Dies gelte insbesondere in Entwicklungs- und Schwellenländern. Sie haben deshalb überprüft, ob die künstliche Intelligenz schon in der Lage ist, unterstützend einzuspringen.

Auf 31587 Studien zum Thema stießen sie bei ihrer Literaturrecherche – nur 14 erfüllten die vorgegebenen Qualitätskriterien, zum Beispiel das Vorhandensein eines direkten Leistungsvergleichs mit den gleichen Daten. Das Ergebnis ihrer Metaanalyse: In Bezug auf die Sensitivität braucht sich die künstliche Intelligenz nicht mehr hinter dem Menschen zu verstecken. Mit 87 gegenüber 86,4 % bewegen sich beide auf dem gleichen Niveau.

Radiologen erhielten meist keine klinischen Informationen

Auch in Hinblick auf die Spezifität ist das Resultat ein Unentschieden: Den 92,5 % des Computers steht eine Quote von 90,5 % bei den echten Ärzten gegenüber.

Trotzdem machen die Autoren ein paar Einschränkungen. Da sei zum einen die schlechte Qualität vieler Studien und ihre Realitätsferne. Nur in vier Arbeiten erhielten die Radiologen zusätzliche klinische Informationen, in einer einzigen Voraufnahmen, wie sie es eigentlich aus ihrem Alltag kennen. Zudem gäbe es nur sehr wenige prospektive Studien aus einem realistischen medizinischen Umfeld. Auch stießen die Forscher in den analysierten Studien immer wieder auf wissenschaftliche Ungenauigkeiten wie unklare Krankheits- und Begriffsdefinitionen.

„Unsere vorsichtige Schlussfolgerung lautet, dass die Treffsicherheit von Radiologen und künstlicher Intelligenz äquivalent ist“, schreiben sie am Ende. Deshalb erkennen sie der Krankheitsdiagnose mithilfe von Deep-Learning-Algorithmen ein enormes Potenzial zu.

Quelle: Liu X. Lancet Digital Health 2019; DOI: doi.org/10.1016/S2589-7500(19)30123-2