Integrierte Befundlösung

Eine automatisierte Befundsoftware, die die Messwerte dedizierter KI-Algorithmen übernimmt und samt Befundvorschlag zurück ins RIS und PACS überträgt, vervollständigt an radiologischen Arbeitsplätzen die Workflowoptimierung zu einer integrierten Befundlösung.

KI-Algorithmen, die automatisiert radiologische Bilddaten analysieren und nach Befunden durchsuchen, sorgen dafür, dass die Datenflut am radiologischen Arbeitsplatz weiter zunimmt. Beim sorgfältigen Umgang mit KI-Lösungen geht es auch darum, die von einer KI identifizierten Läsionen zu validieren.

Die Analyse der Bilddaten und die Bestätigung bzw. der Ausschluss bestimmter Befunde ist hier unverändert die Kernaufgabe der Radiolog:innen. Zusätzlich müssen Informationen der KI, beispielsweise in Form von Schlüsselbildern zu KI-getriggerten Befunden, in den Arbeitsfluss integriert werden.

15_NeoQ - Aufmacher

Dr. med. Daniel Lorenz, Facharzt für Radiologie bei NeoQ, erklärt: „Wenn ich bei einem Patienten mit Raucher-Anamnese und Husten im CT Thorax drei kleine Knoten gefunden habe, der Thorax-Classifier aber der Meinung ist, dass es noch drei weitere Knoten gibt, steigt der Aufwand für die Befundung an. Denn dann geht es für die Ärzt:innen darum, die drei weiteren Knoten zu verifizieren oder auszuschließen.“ Der zusätzliche Aufwand kostet wertvolle Zeit. So manche KI-Lösung scheint daran zu scheitern, dass sie trotz höherer diagnostischer Sicherheit keine Arbeitserleichterung darstellt.

Anatomie statt Pathologie

15_NeoQ - Daniel_Lorenz
„RadioReport von NeoQ arbeitet anatomieorientiert. Sämtliche Indikationen von CT / MRT und Brustdiagnostik werden in 23 Modulen abgedeckt.“
Dr. med. Daniel Lorenz,
Facharzt für Radiologie bei NeoQ (Bild: Neo Q)

Erst der Einsatz einer automatisierten Befundsoftware sorgt dafür, dass der radiologische Workflow trotz des Anstiegs der auszuwertenden Informationen optimiert wird. Getriggert vom jeweiligen Classifier erzeugt beispielsweise RadioReport von neoQ automatisch das entsprechende Finding und führt die Radiolog:innen durch alle Befundmöglichkeiten der betreffenden Köperregion und Pathologie. RadioReport arbeitet anatomie- und nicht pathologieorientiert.

„Bei der Analyse von kranialen Blutungen in der CT sind wir in der Lage, über eine einfache Triage hinauszugehen. Sobald wir vom Classifier die Bildanalyse übertragen bekommen, können die Radiolog:innen das Ergebnis der KI verifizieren oder verwerfen und gegebenenfalls weiter spezifizieren. Anschließend werden die entsprechenden ­Findings automatisch im Befundmodul von RadioReport erzeugt. Der abschließende Befundbericht enthält also nicht nur die Aussage „Gehirnblutung“, sondern beschreibt beispielsweise zusätzlich, welches anatomische Kompartment betroffen ist, ob ein Gefäßverschluss vorliegt oder eine Ischämie erkennbar ist“, beschreibt der Radiologe Dr. Daniel Lorenz die Funktionsweise anhand der Integration von NeoQs RadioReport mit der KI-Lösung von Avicenna und der digitalen Plattform von deepc.

Dadurch kann der Befundbericht um alle möglichen Zusatzinformationen ergänzt werden. Die Zuweiser bekommen als Antwort nicht nur ein Ja oder Nein, sondern auch ein genaues Wie, Was und Wo“.

Daten sammeln für KI-Training

Mithilfe einer eleganten Integration von KI und Befundsoftware wird ein durchgängiger Workflow erzeugt, der es sogar ermöglicht, Daten an den Algorithmus zurückzumelden. Natürlich dürfen CE-zertifizierte und zugelassene Classifier von den Anwender:innen nicht verändert werden. Doch mit dem System von NeoQ ist es möglich, sämtliche von der KI gesendeten und durch die Radiolog:innen evaluierten Daten zurückzusenden und um weitere Informationen zu ergänzen. Diese Rückspiegelung der Daten kann zum Training der KI eingesetzt werden und beim nächsten Systemupdate die Treffergenauigkeit weiter verbessern. RadioReport erzeugt identisch beschriebene, strukturierte maschinenlesbare Daten, die geeignet sind, Algorithmen zu trainieren.

„Letztendlich hängt bei einer erfolgreichen strukturierten softwarebasierten Befundlösung alles an der Workflow-Integration. Dabei sollte die strukturierte Befundsoftware das primäre System sein, in dem man befundet“, da ist sich Dr. Lorenz sicher. „Ein Setting mit mehrgleisigem Informationsfluss und mehrstufiger Befunderstellung in unterschiedlichen Anwendungen wird nicht den Anforderungen an einen optimierten Workflow in der Radiologie gerecht.“

Aktuell können die Befunddaten von RadioReport aus ins RIS übertragen werden. Das System ist jedoch ebenfalls in der Lage, ein Befund-PDF zu erzeugen. Abhängig von den Anforderungen können entweder Texte oder Bilder beziehungsweise einzelne Textpassagen ins RIS geschickt werden. Aufgrund der heterogene RIS-Landschaft haben sich die Entwickler von NeoQ bereits mit zahlreichen proprietären Schnittstellen beschäftigt, um die Befundlösung tief mit RIS, PACS und KI zu verzahnen und die Effizienz sowie die Produktivität des klinischen Workflows zu steigern.

Mehr Zeit für Patienten und Kliniker

Wenn es nach Dr. Daniel Lorenz geht, sieht der radiologische State of the Art Arbeitsplatz folgendermaßen aus: In der Worklist sind von der KI erkannte Notfälle deutlich hervorgehoben, sodass die Radiolog:innen schnell reagieren und die Fälle priorisiert abarbeiten können. Bei einer Blutung im Kopf würde die KI beispielsweise bereits Schlüsselbilder zeigen und mit einem Klick landet man im entsprechenden RadioReport-Befundmodul, das in Sekundenschnelle einen Bericht mit den erkannten ­Findings erzeugt.

Gleichzeitig wurden schon sämtliche Nebenbefunde erkannt und die Radiolog:innen bräuchten die einzelnen Nebenbefunde nur noch validieren, denn vielleicht wurde ein Meningeom entdeckt oder in den Nasennebenhöhlen noch ein Flüssigkeitsspiegel erkannt.

Danach scrollen die Radiolog:innen abschließend durch den Bilddatensatz, um zu verifizieren und zu bestätigen, dass nichts übersehen wurde – quasi eine Supervision der KI. Nach wenigen Minuten ist so ein vollständiger Befundbericht – mit allen Haupt- und Nebenbefunden – erstellt.

Die durch den optimierten Workflow deutlich verkürzte Prozesszeit, könnten die Radiolog:innen laut Dr. Lorenz dazu nutzen, um zum Telefonhörer zu greifen und die betreffenden Zuweiser:innen zu verständigen und um ihnen den Befund zu erläutern.

Software-basierte, strukturierte Befundlösungen beinhalten keine orthographischen oder grammatikalischen Fehler und müssen nicht mehr formatiert werden. Der Befundworkflow wird deutlich verkürzt und es bleibt mehr Zeit für die radiologische Kernkompetenz: Diagnosen zu erstellen und mit dem ­Kliniker zu besprechen.

 www.radioreport.com

This entry was posted in IT.