European Congress of Radiology Berichte vom European Congress of Radiology Künstliche Intelligenz (KI) kann und wird die klinische Praxis in vielerlei Hinsicht verbessern – von der Terminvergabe bis zur Therapieplanung. Luis Martí-Bonmatí, La Fe Health Research Institute, Valencia, Spanien, sieht eine erfolgreiche Zukunft für die Verbindung von Mensch und Maschine. Sprecher: Luis Martí-Bonmatí, La Fe Health Research Institute, Valencia, Spanien Laufende KI-Projekte für die klinische Anwendung Bildakquisition, Organsegmentierung und Erkennung von Gewebeeigenschaften – das wird der Hauptnutzen der KI für die Radiologie, meint Martí-Bonmatí. Macht Künstliche Intelligenz Radiologen arbeitslos? Die Zukunft von KI in der Radiologie - Medizin von morgen. Die KI zeigt folgende Wirkungen: Schnellere Untersuchungszeiten Neuronale Netzwerke benötigen zur Bildrekonstruktion nur eine geringe Rohdatenmenge. Die Ergebnisse sind vergleichbar mit Rekonstruktionen aus der kompletten Datenmenge ohne KI-Anwendung ( Hyun CM et al. 2018). Vorteil: Werden weniger Bilddaten benötigt, verkürzt sich auch die MRT-Untersuchungszeit.
"Ein einziges Lungenscreening enthält 600 bis 800 Bilder", sagt Michael Forsting, Direktor des Instituts für Diagnostische und Interventionelle Radiologie und Neuroradiologie am Universitätsklinikum Essen. Künftig könnte diese Untersuchung zur Vorsorge an Millionen Patienten regelmäßig durchgeführt werden. "Die Bilder können sich Radiologen dann gar nicht mehr alle anschauen. " KI schafft das. Zudem gilt in vielen Bereichen heute noch das Vier-Augen-Prinzip: Zwei Radiologen müssen sich die Bilder unabhängig voneinander anschauen. Auf Radiologen-Kongressen wird nun schon diskutiert, ob Künstliche Intelligenz einen von zwei Radiologen ersetzen und damit viel Arbeit sparen kann. Künstliche intelligenz in der radiologie video. In Ländern wie China, sagt Forsting, gebe es gar nicht genug ausgebildete Ärzte, um jeden Patienten untersuchen zu können. KI für die Radiologie könne da Abhilfe schaffen. Der Job des Radiologen werde trotzdem nicht wegfallen - sondern sich verändern, glaubt der Essener Experte. Das erwartet auch Ajay Agrawal, KI-Experte aus Kanada und Autor des Buches "Prediction Machines".
Bessere Beurteilung Ein weiteres KI-Anwendungsgebiet wird an der Universitätsklinik Heidelberg untersucht. Dort zeigte die Auswertung von 2. Künstliche Intelligenz in der Radiologie | SpringerLink. 000 MRT-Untersuchungen von Glioblastomen, dass durch maschinelle Lernverfahren das Therapieansprechen dieser Hirntumoren verlässlicher und präziser wiedergegeben werden kann als mithilfe etablierter radiologischer Verfahren. Entscheidend ist die über MRT-Bildgebung ermittelte Wachstumsdynamik des Tumors. Doch das manuelle Messen der Tumorausdehnung in zwei Ebenen in den kontrastverstärkten MRT-Aufnahmen ist fehleranfällig und führt leicht zu abweichenden Ergebnissen. Die standardisierte, vollautomatisierte Beurteilung mithilfe künstlicher neuronaler Netzwerke steigerte die Verlässlichkeit der Beurteilung um 36 Prozent.
Radiologen würden künftig weniger Zeit damit verbringen, Bilder anzuschauen, sagt er zwar voraus. Doch ihnen bleibe noch eine ganze Weile die Aufgabe, die Entdeckungen der KI einzuschätzen und anderen Ärzte zu erläutern. KI wird also vermutlich nicht gleich alle Radiologen arbeitslos machen. Am ehesten müssen jene Radiologen um ihren Job fürchten, die sich weigern, mit Künstlicher Intelligenz zusammenzuarbeiten. Künstliche intelligenz in der radiologie in brooklyn. © Handelsblatt GmbH – Alle Rechte vorbehalten. Nutzungsrechte erwerben?
Wir suchen Kooperationspartner Unsere Software Lösungen basieren auf tiefen neuronalen Netzen (Deep Neural Networks). Diese bestehen aus vielen Schichten künstlicher Neuronen und werden mit einer großen Menge an Beispielbildern und dazu gehörigen Diagnosen trainiert. Auf Grundlage dieses Trainings erkennt das neuronale Netz selbständig Muster und Gesetzmäßigkeiten in den Daten. Künstliche intelligenz in der radiologie 1. Mithilfe dieses erlernten Wissens kann es nach Abschluss des Trainings für unbekannte Bilder einen Diagnosevorschlag machen. Da die Menge und Qualität an Trainingsdaten entscheidend für die Qualität der Software nach Abschluss des Trainings ist, sind wir immer auf der Suche nach Kooperationspartnern, die an einer intelligenten Bilderkennungslösung interessiert sind und Trainingsdaten zur Verfügung stellen können. Sprechen Sie uns einfach an! Vorträge, Teilnahme an Think Tanks, Panels, etc.