Vorsicht bei der Integration von KI in die Radiologie

LONDON / MÜNCHEN (IT BOLTWISE) – Die Integration von Künstlicher Intelligenz (KI) in die Radiologie verspricht erhebliche Fortschritte in der medizinischen Diagnostik. Doch trotz der Begeisterung für die Technologie gibt es noch viele offene Fragen, insbesondere hinsichtlich der Auswirkungen auf Patienten und das Gesundheitssystem.

Die Erwartungen an die Künstliche Intelligenz (KI) in der Gesundheitsversorgung sind hoch. Sie soll die Produktivität steigern und die Patientenergebnisse verbessern. Der britische Premierminister hat kürzlich Pläne angekündigt, KI zur Steigerung der Produktivität im öffentlichen Dienst, einschließlich des NHS, einzusetzen. Ein Bereich, in dem KI besonders vielversprechend erscheint, ist die Radiologie. Hier könnte sie, in Zusammenarbeit mit menschlichen Lesern, die Diagnosegenauigkeit verbessern und die Früherkennung von Krankheiten fördern.

Im Jahr 2023 nutzten bereits 54 % der NHS-Trusts KI-Tools in der Radiologie, um Bilder zu interpretieren, zu priorisieren oder zu berichten. Diese Zahl dürfte weiter steigen. Dennoch fehlt es an einem umfassenden Verständnis der Auswirkungen von KI auf Patienten, Mitarbeiter und das gesamte Krankenhausumfeld. Um diese Lücken zu schließen, hat das NIHR Rapid Service Evaluation Team (RSET) eine systematische Überprüfung von 140 internationalen Studien zur KI in der Radiologie durchgeführt.

Die Ergebnisse dieser Überprüfung zeigen, dass KI zwar vielversprechende Vorteile bietet, jedoch Vorsicht geboten ist. Um die Genauigkeit der KI bei der Unterstützung diagnostischer Tests zu beurteilen, muss sie in der Lage sein, Krankheiten korrekt zu identifizieren und auszuschließen, ohne gesunde Menschen fälschlicherweise zu diagnostizieren. Während einige Studien Verbesserungen in der Diagnosegenauigkeit und der Effizienz des Workflows zeigen, ist die Evidenz insgesamt begrenzt und gemischt.

Ein weiteres Problem ist die Erhöhung der Anzahl falscher positiver Fälle durch KI, was die Nachfrage nach diagnostischen und therapeutischen Dienstleistungen erhöhen und eine emotionale Belastung für die Patienten darstellen könnte. Zudem messen nur wenige Studien die Effizienz von Krankenhäusern und Pfaden über unmittelbare Metriken hinaus, sodass die Auswirkungen auf langfristige Ergebnisse unbekannt bleiben.

Ein wesentlicher Grund für die begrenzte Evidenz ist, dass die meisten Studien KI in simulierten Workflows testen, anstatt in der realen klinischen Praxis. Dies führt zu Unsicherheiten darüber, wie effektiv KI die erhofften Verbesserungen tatsächlich umsetzen kann. Zudem fehlen die Stimmen der Patienten in der Diskussion über die KI-gestützte Versorgung, was wichtige Fragen aufwirft, wie etwa das Wissen der Patienten über KI und deren Akzeptanz.

Die Implementierung von KI erfordert erhebliche Ressourcen und klare Richtlinien, die derzeit fehlen. Die Einführung von KI wird als “Wilder Westen” beschrieben, da es keinen einheitlichen Ansatz oder Standards gibt. Während die Technologie vielversprechend ist, müssen politische Entscheidungsträger die spezifischen Probleme identifizieren, die KI lösen soll, um die Entwicklung problemorientierter KI-Tools zu fördern.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!