Evangelisches Klinikum Niederrhein führt contextflow ADVANCE Chest CT ein und bekommt Unterstützung bei der Lungendiagnostik
Lungenerkrankungen gehören weltweit zu den am häufigsten auftretenden sowie vielfältigsten Gesundheitsproblemen. Die Künstliche Intelligenz (KI) eröffnet hier vielversprechende Optionen, um die verschiedensten Krankheitsbilder so früh wie möglich zu charakterisieren und zu differenzieren. Das hat auch Fanar Othman, Chefarzt der Klinik für Lungen- und Bronchialheilkunde am Johanniter Krankenhaus Oberhausen, festgestellt und nutzt bei der CT-Bildgebung das CE-zertifizierte KI-Programm contextflow ADVANCE Chest CT.
Schneller Zugriff auf relevantes Wissen
Seit letztem Jahr übernimmt die KI-Lösung von contextflow das Sichten und Bereitstellen von für die Diagnostik relevanten Informationen aus CT-Untersuchungen. Dabei spürt die Erkennungssoftware selbst kleine Veränderungen im Lungenparenchym auf und stellt sie in Zusammenhang mit bestimmten Erkrankungen und deren Verlauf. Der daraus resultierende Befundbericht wird automatisch generiert und steht innerhalb weniger Minuten direkt im PACS-Viewer zur Verfügung. Das erspart dem Befunder, sich durch Tausende von Schichtbildaufnahmen zu arbeiten und verhindert gleichzeitig, dass wichtige Erkenntnisse übersehen werden.
Aber die Software kann noch mehr. Beispielsweise ist die KI dazu in der Lage, unterschiedliche Serien von Aufnahmen, die zu verschiedenen Zeitpunkten gemacht wurden, miteinander zu vergleichen. So kann der Radiologe die Größenentwicklung von Rundherden beurteilen, ein wichtiges Kriterium, um das weitere therapeutische Vorgehen zu bestimmen. Darüber hinaus bewertet die Software mittels 3D-Volumenanalyse die Gesamtmasse einer Lungenläsion und somit zur Bestimmung des Tumorgrades beitragen – auch das ein wichtiges Merkmal, um das Therapieansprechen zu beurteilen.
Vom Befundmuster zur Differentialdiagnose
Darüber hinaus kommt ADVANCE Chest CT bei der Texturanalyse zum Einsatz, etwa bei der Charakterisierung von Parenchymveränderungen wie Milchglastrübungen, netzartigen retikulären Mustern oder Honigwabenbildung. Denn die Differentialdiagnose ist allein aufgrund der schieren Masse an existierenden Lungenpathologien komplex. „Manchmal ist es schwierig, bei subtilen Veränderungen im Unterlappen zu entscheiden: Ist das ein Emphysembullae oder Honigwabenmuster? Solche Strukturen kann die KI unglaublich gut differenzieren“, freut sich Othman.
Sehr zufrieden ist der Chefarzt auch mit der Darstellung der strukturellen Parenchymveränderungen in Prozent, da sich nicht immer auf einen Blick erkennen lässt, ob eine Therapie angeschlagen hat oder nicht. Diese Prozentzahl ist nicht nur für den Arzt wichtig, sondern auch für Patienten, die damit mehr Klarheit über mögliche Fortschritte der Therapie bekommen.