Home / Innere Medizin / Onkologie / „Der Arzt hat immer noch die Rolle des Piloten“
Künstliche Intelligenz in der Radiologie

„Der Arzt hat immer noch die Rolle des Piloten“

Computer, die selbstständig Bilder von CT und MRT verarbeiten, lesen und Diagnosen vorschlagen? Was vor ein paar Jahren noch utopisch klang, ist Realität. Künstliche Intelligenz war das große Schlagwort beim Europäischen Radiologie-Kongress (ECR) in Wien. Die krebs:hilfe! bat zwei Welten zum Gespräch über Zukunftsvisionen und Ängste: Assoc.-Prof. DI Dr. Georg Langs für IT und Assoc.-Prof. PD Dr. Helmut Prosch für die Radiologie. (krebs:hilfe! 4/19)

krebs:hilfe!: Welche aktuellen Entwicklungen er warten uns im Bereich der künstlichen Intelligenz? 

Assoc.-Prof. DI Dr. Georg Langs leitet seit 2011 das Forschungslabor für Computational Imaging der Universitätsklinik für Radiologie und Nuklearmedizin an der MedUni Wien (www.cir.meduniwien.ac.at). Langs ist Mitgründer des Spin-off „contextflow“, einer Suchmaschine für Bilddaten.

Langs: Es tut sich viel, vor allem in dem Verständnis, wie sie genutzt werden kann. Vor ein bis zwei Jahren war immer die Diskussion, ob künstliche Intelligenz (KI) die Rolle von Menschen übernimmt. Dieses Jahr war die Diskussion schon ein bisschen differenzierter. Die Rolle von KI wird so gesehen, dass man durch die neuen Technologien mehr Informationen aus den Bilddaten nutzen und die Bilddaten auch mit anderen Informationen verknüpfen kann. Das erweitert die Möglichkeiten von Radiologen ungemein und kann unsere Sicht auf Krankheiten verändern. Wir gehen davon aus, dass es mehr als die Kategorien gibt, die wir jetzt denken.

Müssen wir also nicht fürchten, dass Maschinen uns Menschen ersetzen?

Prosch: Viele fürchten sich vor maschinellem Lernen, weil es ziemlich gehypt worden ist von der Industrie. Aber maschinelles Lernen wird in vielem einziehen, ohne dass wir es merken. Wir erzielen beispielsweise in CTs mit den modernen Algorithmen mit einer viel geringeren Dosis eine viel bessere Bildqualität, weil das Bildrauschen weggerechnet und die Bildgewinnung automatisiert wird. Das hat einen direkten Nutzen für den Patienten, ist aber nach außen gar nicht sichtbar als maschinelles Lernen. Ähnliches gilt für die Bildvermessung von Tumoren. All das sind Dinge, wo schon maschinelles Lernen im Hintergrund läuft.

Das heißt, maschinelles Lernen wird schon angewendet ?

Prosch: Künstliche Intelligenz wird in der Praxis zum Teil schon angewendet und kommt immer mehr. Das Schlag wort maschinelles Lernen brauche ich als Radiologe aber eigentlich gar nicht. Als Endnutzer habe ich Algorithmen, die mir einen ganz neuen Horizont eröffnen. Ich muss gewisse stupide Sachen nicht mehr machen, die einfach Routine sind und jedem auf die Nerven gehen, wie irgendwelche Sachen zu zählen oder zu vermessen. Das geht einfach mit einem Knopfdruck. Und ich kann mich auf die eigentlich spannenden Aufgaben stürzen, auf die Diagnose.

Bleibt dann mehr Zeit für die Patienten? Oder hilft es nur dabei, mehr Patienten durchzuschleusen? 

Prosch: Es wird beides sein. Das Arbeitsfeld der Radiologen hat sich in den letzten Jahren bereits stark verändert, weg von den reinen Bildbeschreibern zu einem Fixbestandteil im interdisziplinären Tumorbord, wo wir nicht nur die bildgebende Information weitergeben, sondern das ganze Wissen integrieren. Das wird mehr werden. Wenn wir uns jetzt ein CT anschauen, dann suchen wir den Tumor, vermessen ihn, suchen nach Metastasen. Was wir derzeit noch nicht machen, ist andere Co-Faktoren zu beschreiben, die für die Diagnose und Prognose oft eine große Rolle spielen.

Können Sie hier ein Beispiel nennen?

Prosch: Lungenemphysem, Verkalkung der Koronararterien, Osteoporose, das Ausmaß der Muskulatur – das sind alles Dinge, die eine große Rolle bei der Auswahl von Therapien spielen und die wir jetzt im Moment nicht integrieren können. Wir werden unser Fachwissen ausweiten müssen.

Langs: Das Ziel von maschinellem Lernen ist ja nicht, dass wir den Status der Radiologie einfrieren und automatisieren. Ziel ist, dass Ressourcen freiwerden, um mehr zu machen. Die Radiologie stößt nicht am Plafond an, was die Genauigkeit und Diagnose anlangt, da gibt es noch viel Raum. Am Anfang der KI-Debatte war die Erwartung , dass wir sie sehr rasch einsetzen können. Aber in den letzten zwei Jahren haben wir erfahren, dass es gar nicht so einfach ist, Algorithmen zu finden, die tatsächlich einen Mehrwert für Ärzte und Patienten bringen.

Prosch: Vor zwei Jahren gab es noch zwei Wolken: die Radiologenwolke und die Technikerwolke. Und jeder hat so seine Vorstellung gehabt, was möglich ist, ohne von der anderen Wolke Bescheid zu wissen. Was sich als sehr wertvoll erwiesen hat, ist die enge Zusammenarbeit. Die IT-Experten wissen oft nicht, was die Bedürfnisse der Radiologen sind, was wir brauchen. Und wir haben keine Ahnung , was von technischer Seite möglich ist.

Ihre Vorteile auf medonline.at

  • Personalisierte Inhalte auf Ihr Profil zugeschnitten
  • DFP Fortbildung: e-Learnings, Literaturstudien & MM-Kurse
  • Aktuelle Fachartikel, State-of-the-Art-Beiträge, Kongressberichte, Experteninterviews

Registrieren Sie sich jetzt kostenlos & bleiben Sie top-informiert!

Jetzt für unsere Newsletter anmelden!

In unseren Newslettern informieren wir Sie regelmäßig über Neuigkeiten aus der Welt der Medizin, neue Fortbildungen und fachspezifische Inhalte.

LOGIN

Login

Passwort vergessen?