Die Radiologie hat über die Jahrzehnte hinweg immer wieder rasch neue Technologien integriert, die sich kurz zuvor in der Gesellschaft bewährt hatten. Beispiele mit großem Einfluss auf das Fach waren die Adaption der Bildverstärkertechnik (Fernsehen der 50er Jahre), sowie die Einführung digitaler Aufnahmetechniken und digitaler Bildverteilungs- und Speichersysteme (Digitalkameras und LAN-Partys in den 90er/00er-Jahren), die in der Entwicklung des PACS mündeten. Heute und in Zukunft werden Algorithmen zur Bildanalyse eine große Rolle spielen. Die Prinzipien dafür stammen oft aus der Gesichtserkennungs- und Bildverbesserungs- Software, etwa für Smartphones. Sie wurden rasch kommerziell für die Radiologie verfügbar gemacht und werden in Greifswald in Kooperation mit Industriepartnern für den klinischen Betrieb evaluiert. Von der EU wird ein grenzüberschreitendes Vortragsprojekt mit polnischen Partnern gefördert.
Automatisierte Analyse thorakaler Krankheitsbilder in Röntgenaufnahmen mithilfe von künstlicher Intelligenz: Durch eine kommerzielle Deep-Learning-basierte Software werden autonom verschiedene Pathologien des Brustkorbs erkannt und grafisch zur Überprüfung durch den*die Radiolog*in hervorgehoben. (F. Philipp Schweikhard, Industriepartner: global.infervision.com)
MRT-Basierte Risikostratifizierung für das Auftreten von Prostatakarzinomen: Mittels neuronaler Netzwerke wird bei männlichen Probanden des SHIP-und SHIP-TREND-Kollektivs die Prostata im Ganzkörper-MRT automatisch segmentiert und morphologische Auffälligkeiten identifiziert. Ziel der Studie ist es, diese Bildbefunde mit dem Auftreten von Prostatakarzinomen sowie assoziierten genetischen und laborchemischen Parametern zu korrelieren, um nicht-invasive MRT-basierte Biomarker für eine personalisierte Risikobestimmung für das Auftreten von Prostatakarzinomen zu entwickeln. (Charlie Hamm, Industriepartner: Chimaera.de)
Frühzeitige Detektion ischämischer Schlaganfälle mittels künstlicher neuronaler Netze in der nativen CT-Untersuchung des Kopfes. Eine kommerzielle Software dient als Baukasten für das Training eigener AI-Algorithmen zur Auswertung von radiologischen Untersuchungen, hier von Computertomografien des Kopfes, um Schlaganfälle möglichst zielsicher und frühzeitig zu diagnostizieren. (Sascha Grothe, Industriepartner: global.infervision.com)
Evaluation der künstlichen Intelligenz bei der Befundung des Röntgen-Thorax: Interstitielle Lungenerkrankungen: Mit einer kommerziellen AI-Lösung wird die Nachweisrate interstitieller Lungenerkrankungen mit derjenigen erfahrener Ärzte verglichen. (Laura Steiner,Industriepartner: global.infervision.com)
Beteiligte Arbeitsgruppen
Prof. Dr. Norbert Hosten
Institut für Diagnostische Radiologie und Neuroradiologie
Universitätsmedizin Greifswald