Radiologen präsentieren herstellerneutrales KI-Setup

Vorbild Niederlande: Forscher am Universitätsklinikum Utrecht (UMC) haben eine herausragende KI-Infrastruktur aufgebaut, die alle Algorithmen in der klinischen Praxis ausführt – unabhängig von der Ausstattung des Herstellers.

Die neue Plattform erleichtert den Einsatz von KI-Tools und trägt zur Verbesserung der klinischen Arbeitsabläufe im Krankenhaus bei.

Insgesamt dauerte der Aufbau der IMAGR-Infrastruktur drei Jahre und erforderte 150.000 Euro an Finanzierung von Krankenhäusern und ein Hochschulstipendium in Höhe von 650.000 Euro. Betrieben wird sie von Dockers, einer Plattform, die den Algorithmus auf der Infrastruktur anwendet, ohne dass Benutzer den Quellcode erkennen.

Das Ergebnis ist ein spürbar verbesserter Arbeitsablauf in der täglichen Routine bei völliger Herstellerunabhängigkeit. Die meisten heute verfügbaren KI-Lösungen sind herstellerabhängig, was ihren Einsatz in der klinischen Praxis erschwert.

DER ALLGEMEINE TREND

IMAGR ist in der Lage, Informationen zu überwachen, die das KIS, das RIS und das PACS durchlaufen, und bei Bedarf Maßnahmen zu ergreifen. Zum Beispiel kann es eine Gehirn-MRT erkennen und geeignete Algorithmen auswählen, die bei der Diagnose und Quantifizierung helfen können.

Die Infrastruktur stellt dann die Bilder des Patienten aus dem PACS wieder her und aktiviert die Leitungen, die sie für angemessen hält, und sendet die Bilder im Ergebnis entweder an das PACS zurück oder präsentiert sie in einem speziellen AI-Viewer auf der PACS-Station - oder beides. Ärzte können das System zudem verbessern, indem sie darauf hinweisen, wenn ein Algorithmus versagt oder eine Aufgabe erfolgreich durchführt.

Somit können die in der Infrastruktur implementierten Algorithmen jetzt viele zeitaufwändige Aufgaben in der täglichen Praxis automatisch erledigen. Zum Beispiel können sie gleichzeitig eine Hyperintensitätssegmentierung der weißen Substanz auslösen und eine Gehirnsegmentierung durchführen, so dass Radiologen diese Läsionen nicht mehr manuell quantifizieren müssen, eine Aufgabe, die bis zu 20 Minuten pro Objektträger dauern kann.

Das Utrecht-Team hat auch dazu beigetragen, einen vorhandenen Algorithmus zu optimieren, der innerhalb von Sekunden Fett und Muskeln im Körper quantifiziert – einer zunehmend nützlichen Information in der Onkologie und bei Herz-Kreislauf-Erkrankungen.

WAS GESAGT WURDE

„Wir haben eine interne Infrastruktur geschaffen, um die KI-Algorithmen auf Augenhöhe des Radiologen zu skalieren. Nicht auf einem Laptop außerhalb des Lesesaals, sondern direkt im Raum, an jedem Arbeitsplatz“, sagte Dr. Tim Leiner, Professor für Radiologie und Vorsitzender für Herz-Kreislauf-Bildgebung an der Abteilung für Radiologie und Nuklearmedizin am UMC Utrecht.

„Unsere Infrastruktur ist völlig herstellerunabhängig. Wir wollen keine Plattform für ein einzelnes Unternehmen, denn dann stecken Sie mit ihrem Produkt fest und können nichts anderes verwenden. Wir wollten unser eigenes Werkzeug, damit wir jeden neuen, externen Algorithmus sehr schnell einbinden können“, sagte er.

„Wenn wir einen Patienten mit einer Demenzanforderung haben und dieser Patient zum MRT geschickt wird, können wir diese Leitung bereits im Voraus aktivieren, wenn die Bilder vom MRT-Scanner zum PACS geschickt werden, so dass die Daten bereits vorhanden sind, wenn ein Radiologe sie öffnet und liest“, erklärte er.


##
Dies ist eine Übersetzung eines Artikels von Mélisande Rouger, erschienen auf der englischsprachigen Version von Healthcare IT News.

Auch für Sie interessant

Best Practice zur Interoperabilität

Enovacom vermittelt Praxiswissen für das Schweizer EPD am Swiss eHealth Summit 2019

Nachhaltige Schlaganfallversorgung

Der „PostStroke-Manager“ verspricht eine besser koordinierte Langzeitbetreuung von Schlaganfallpatienten nach der Akutphase.

Auf dem Weg zu mehr Interoperabilität

Neue HIMSS Umfrage zum Datenaustausch in Krankenhäusern