Added Value of AI in Healthcare
German version below
Hitting the Bull’s AI: Artificial Intelligence-derived imaging features and their association with outcomes in CT-guided Lung Biopsy
Authors: Christian Roller, Till Ittermann PhD, Annika Syperek MD, Matthias Mühler MD, Mark O Wielpütz MD, Jens-Peter Kühn MD, Sophia FU Blum MD, Felix Schön MD, Patrick Winter PhD, Susanne Schnell PhD, Marie-Luise Kromrey MD
Presenter: Chistian Roller
This retrospective study evaluated an artificial intelligence (AI) tool for predicting outcomes of CT-guided lung biopsies. Data from 120 procedures were analyzed for associations between AI-derived parameters (lesion volume, malignancy probability, emphysema ratio) and biopsy outcomes, including technical success, histopathological results, and complications. Logistic regression revealed significant associations between lesion volume and technical success (OR=1.30, CI 1.01; 1.69), AI malignancy probability and histopathologically confirmed malignancy (OR=1.18, CI 1.08; 1.29), as well as AI emphysema ratio with pneumothorax requiring drainage (OR=1.29, CI 1.12; 1.49) and high-grade hemorrhage (OR=0.90, CI 0.80; 0.99). Thus, AI-based imaging parameters demonstrated potential to support pre-procedural risk assessment and to predict biopsy success and histopathological yield.
Hitting the Bull’s AI: KI-Bildparameter und ihre Assoziation mit Erfolg und Komplikationsrate CT-gesteuerter Lungenbiopsien
Autoren: Christian Roller, Till Ittermann PhD, Annika Syperek MD, Matthias Mühler MD, Mark O Wielpütz MD, Jens-Peter Kühn MD, Sophia FU Blum MD, Felix Schön MD, Patrick Winter PhD, Susanne Schnell PhD, Marie-Luise Kromrey MD
Präsentation: Christian Roller
In dieser retrospektiven Studie wurde das Potenzial eines KI-basierten Bildanalyseprogrammes zur Vorhersage von Ergebnis und Ausgang CT-gestützter Lungenbiopsien untersucht. Ausgewertet wurden 120 Eingriffe, bei denen die Assoziationen zwischen KI-Parametern (Läsionsvolumen, Malignitätswahrscheinlichkeit, Emphysemaspekt) und Interventionserfolg sowie Komplikationsraten analysiert wurden. In der multivariaten Regressionsanalyse zeigte das Läsionsvolumen eine signifikante Korrelation mit dem technischen Erfolg (OR=1.30, CI 1.01; 1.69), die KI-Malignitätswahrscheinlichkeit mit der histologisch bestätigten Malignität (OR=1.18, CI 1.08; 1.29) und der KI-Emphysemaspekt mit dem Auftreten eines drainagepflichtigen Pneumothorax (OR=1.29, CI 1.12; 1.49) und relevanter Einblutungen (OR=0.90, CI 0.80; 0.99).
Die Ergebnisse unterstreichen das Potential von KI-Daten für die präinterventionelle Risikostratifizierung und Erfolgsprognose von Lungenbiopsien.