Vom 25. bis 30. November fand in Chicago der 104. Kongress der nordamerikanischen radiologischen Fachgesellschaft RSNA statt.

Künstliche Intelligenz (KI) und maschinelles Lernen waren dabei die Fokusthemen: Neuronale Netze und Algorithmen werten klinische Daten aus und führen diese an einer Befundworkstation zusammen. Sogar Handlungsempfehlungen sind möglich. Radiologen erhalten damit Zusatzinformationen, die sie für eine sichere und effiziente Befundung benötigen.

Professorin Dr. Vijay M. Rao, Chefärztin der Abteilung für Radiologie an der Jefferson University, Philadelphia, und Kongresspräsidentin des RSNA 2018, bestätigte in ihrer Eröffnungsrede, dass „Anwendungen im Bereich KI und maschinelles Lernen sich in der Radiologie bereits als äußerst nützlich erweisen. Dabei haben Radiologen erst begonnen, an der Oberfläche zu kratzen.“ Moderne Lösungen geben den Anwendern Werkzeuge an die Hand, um den Befundungsvorgang effizienter zu gestalten. Professorin Rao sieht den Radiologen zukünftig als denjenigen im Behandlungsprozess an, bei dem alle Fäden der bildgebenden Diagnostik zusammenlaufen. Dabei spricht sie von „Total Imaging Care“ und erwartet, dass Radiologen zukünftig offener und präsenter sowohl gegenüber ihren klinischen Kollegen als auch gegenüber dem Patienten auftreten und nicht nur den Befund besprechen, sondern auch aktiv nach passenden, präzisen und personalisierten Therapien suchen.

KI-basierte technologische Innovationen werden somit dazu beitragen, die Bildgebung schneller, sicherer, quantitativer, präziser und kostengünstiger durchzuführen. Und die Fortschritte in der Bildgebung mithilfe von Biomarkern in Kombination mit genomischen Informationen werden es schon bald ermöglichen, einen entscheidenden Beitrag zur personalisierten Medizin zu leisten. Adaptive Intelligenz hilft Klinikern, wachsende Datenmengen nach Wichtigkeit zu sortieren und Aufgaben zu automatisieren, um Daten auszuwerten, zusammenzufassen und in bestehende Arbeitsabläufe einzubinden.

Auch bei Philips steht das Thema KI ganz oben auf der Agenda. Der Anspruch ist, dass sich jede intelligente Lösung in die Versorgungsprozesse einfügt und an den Bedürfnissen von Patienten und Anwendern orientiert ist.

Die Forschung des Unternehmens treibt Entwicklungen für sämtliche Produktbereiche voran. Einen Ausblick, wie beispielsweise KI-basierte Befundung aussehen kann, gewährten Phlips interessierten Besuchern auf dem RSNA mit Illumeo. Illumeo führt Daten unterschiedlicher klinischer und diagnostischer Systeme zusammen und transformiert sie zu relevanten Informationen. Das System kombiniert kontextuelle Hinweise zu Anatomien mit fortschrittlicher Daten- und Bildverarbeitung, um Routineaktivitäten weitestgehend zu automatisieren. Dabei unterstützt die Technologie Interaktionen mit bildgebenden Datenvergleichen und bietet eine integrierte Sicht auf klinisch relevante fallbezogene Informationen aus unterschiedlichen Quellen, um die Konsistenz der Patientenversorgung zu verbessern. Das Ziel bei Illumeo und allen adaptiven, intelligenzbasierten Lösungen ist es, einen nahtlosen radiologischen Workflow zu schaffen, der die richtigen Daten zur richtigen Zeit bereitstellt und daraus Handlungsempfehlungen ableitet.

Fei-Fei Li, Professorin für Computerwissenschaften an der Stanford University, ging in ihrem Gastvortrag über die Grenzen der Radiologie hinaus. Prof. Li beschäftigt sich seit mehreren Jahren mit KI und war von September 2017 bis September 2018 Vice President und leitende Wissenschaftlerin für KI bei Google Cloud. In ihrem Vortrag führte sie aus, dass KI niemals Verantwortung für Entscheidungen übernehmen kann. In ihren Thesen erläuterte sie, dass KI-Technologie zum einen von menschlicher Intelligenz inspiriert sein und sich zum anderen die Entwicklung von KI an den jeweiligen Auswirkungen auf den Menschen orientieren sollte. Dabei kam Professorin Li zu dem Ergebnis, dass KI wohl in der Lage ist, den Menschen in Entscheidungen zu unterstützen, ihn aber nicht ersetzen wird.

Dieser Meinung schließt sich Philips an und fokussiert mit Innovationen darauf, die Mitarbeiter- und Patientenzufriedenheit zu verbessern, die Diagnosesicherheit zu steigern, Daten und Technologien für mehr Effizienz und Produktivität zu vernetzen und ein datengesteuertes Management der Radiologie durch zielgerichtete Kooperation zu ermöglichen.