Die Herausforderungen
Dr. Katharine Johnson praktiziert seit mehr als 20 Jahren als Radiologin im National Health Service (NHS) des Vereinigten Königreichs. Sie beobachtet, dass Radiologen mittlerweile unter immensem Druck stehen: „Es gibt viel mehr Bildgebung als Radiologen. Wir können einfach nicht mehr Schritt halten.“
„ Ich schaffe doppelt so viele CT-Befunde“
Die Nachuntersuchung von Lungenrundherden in CT-Thorax-Aufnahmen ist besonders mühsam: „Bislang habe ich Lungenrundherde nach dem Volumen analysiert, aber die Volumenberechnung ist umständlich und zeitraubend.“
Die Lösung
Im Jahr 2020 wirkte Katharine Johnson am Aufbau eines Lungenkarzinom-Screenings an der Universitätsklinik Southampton mit. Die Initiative ist Teil der Targeted Lung Health Checks, die bislang mehr als 1.000 Krebserkrankungen im Frühstadium erkannt haben.
Die meisten Screeningzentren setzen beim Management von Lungenrundherden auf KI und Veye Lung Nodules von Aidence ist die Lösung der Wahl. Veye Lung Nodules erkennt, misst, klassifiziert und verfolgt das Wachstum von Lungenrundherden in automatisierten Verfahren.
Dr. Johnson arbeitet seit drei Jahren mit Veye, zunächst bei Screeningaufnahmen in Southampton und seit Januar 2022 in Salisbury in der Routinepraxis.
„Wenn ich native Thorax-CT-Aufnahmen aufrufe, sind die Rundherde schon markiert und die Volumina vermessen. Sollte es eine relevante Vorstudie geben, ist auch schon die Volumenverdopplungszeit (VDT) vermerkt.“
Die Ergebnisse
Für Dr. Johnson hat die KI erhebliche Vorteile: „Ich brauche jetzt rund 50 Prozent weniger Zeit für die Befundung von Thorax-CT-Aufnahmen. Ich schaffe doppelt so viele CT-Befunde.“
Das Potenzial der schnelleren CT-Befundung mit Veye Lung Nodules wurde in einer Studie bestätigt, in der zwei Radiologen eine Verkürzung der Befundungszeit um durchschnittlich 40 Prozent erzielten 1.
Die automatisierte Volumetrie von Veye vergrößert den Nutzen noch: „Durch die Volumetrie entfällt die manuelle Analyse. Damit sinkt auch die Gefahr von menschlichen Abweichungen und die Konsistenz zwischen verschiedenen Befundern steigt.“
Dr. Johnson gibt ein klinisches Beispiel für den Einfluss der Lösung auf die Patientenversorgung: „Ein Mann stellte sich mit schwerer interstitieller Lungenfibrose vor. Veye markierte einen Bereich im Hintergrund der Lungenerkrankung, den ich leicht hätte übersehen können. Dieser Bereich stellte sich als Lungenkarzinom im Frühstadium heraus.“
Es liegt an uns
Dr. Katharine Johnson ermutigt ihre Kolleginnen und Kollegen, die KI-Einführung selbst voranzutreiben: „Die KI macht unsere Befundung schneller und präziser. Aber es liegt an uns Radiologen, eine zweckdienliche, sichere KI auszuwählen, die ihre Kosten wert ist.“
1 Hempel HL, Engbersen MP, Wakkie J, van Kelckhoven BJ, de Monyé W. Higher agreement between readers with deep learning CAD software for reporting pulmonary nodules on CT. Eur J Radiol Open [Internet]. 2022 Aug 2;9:100435. Available from: http://dx.doi.org/10.1016/j.ejro.2022.100435