Radiologie oder künstliche Intelligenz? Ein Gorilla, zu groß, um ihn zu ignorieren

Was wir nicht erwarten, sehen wir oft tatsächlich nicht

Im Jahr 2013 erschütterte ein bemerkenswertes Experiment die medizinische Fachwelt. Eine Gruppe von 24 für die Erkennung von Lungenrundherden geschulten Radiologinnen und Radiologen erhielt CT-Aufnahmen. In manchen Bildern hatten die Forschenden jedoch absichtlich einen digitalen Gorilla eingefügt, der 48-mal größer war als ein typischer Rundherd. Das Ergebnis war erstaunlich: 83% der Radiologinnen und Radiologen bemerkten den deutlich sichtbaren Gorilla nicht. Blickverfolgungstechnologie, sogenanntes Eye-Tracking, bestätigte jedoch, dass sie direkt auf den betreffenden Bereich geschaut hatten. Warum hatten sie ihn trotzdem übersehen?

Das Experiment veranschaulichte die sogenannte „Unaufmerksamkeitsblindheit“ (inattentional blindness). Wenn sich das menschliche Gehirn auf eine bestimmte Aufgabe konzentriert, kann es ungewöhnliche und unerwartete Informationen herausfiltern. Dies zeigte, dass selbst hervorragend ausgebildete Fachleute unter Informationsbelastung visuelle Hinweise übersehen können.

Heute stellt sich eine ähnliche Frage erneut: Werden wir dank künstlicher Intelligenz die „Gorillas“ vor unseren Augen künftig erkennen?

Der Aufstieg künstlicher Intelligenz in der Bildgebung

Künstliche Intelligenz (KI) erzielt insbesondere bei der Tumorerkennung beachtliche Erfolge. Ihre Rolle in der Radiologie reicht jedoch deutlich weiter. Aktuelle KI-Algorithmen können:

• Schlaganfallzeichen auf CT-Aufnahmen unmittelbar analysieren.

• Frakturen auf Traumaaufnahmen markieren.

• Selbst kleinste Änderungen der Tumorgröße auf onkologischen Aufnahmen quantifizieren.

Insbesondere in der Onkologie kann KI große Bilddatensätze verarbeiten, Details erkennen, die dem menschlichen Blick entgehen könnten, und klinische Entscheidungen unterstützen.

MASAI und EDITH UK: KI ist in klinischen Studien angekommen

Mehrere wichtige klinische Studien untersuchen das Potenzial künstlicher Intelligenz unter realen Bedingungen:

• MASAI-Studie: The Lancet Digital Health veröffentlichte diese randomisierte kontrollierte Studie. Sie untersucht, ob KI-gestützte Mammografiescreenings die Diagnose von Brustkrebs im Frühstadium verbessern können. Ziel ist es, falsch negative Befunde und Intervallkarzinome zu verringern.

• Projekt EDITH UK: In dieser groß angelegten britischen Studie wird geprüft, ob KI beim Brustkrebsscreening ebenso gut oder sogar besser abschneiden kann als Menschen. Bei Erfolg könnte sie den Diagnoseprozess verkürzen und die Wartezeit für Betroffene reduzieren.

Diese Beispiele zeigen, dass KI über eine rein experimentelle Technologie hinaus zu einem Grundpfeiler moderner Diagnoseverfahren geworden ist .

Neben Vorteilen gibt es Risiken: Datenschutz und algorithmische Verzerrungen

Wie jede leistungsfähige Technologie birgt auch KI Risiken, die sorgfältig gesteuert werden müssen:

• Verzerrte Datengrundlagen: Werden Algorithmen ausschließlich mit Daten großer städtischer Krankenhäuser trainiert, könnten sie bei ländlichen oder benachteiligten Bevölkerungsgruppen eine unzureichende Genauigkeit aufweisen.

• Datensicherheit: Mit der Verbreitung cloudbasierter Systeme wird der Schutz vertraulicher Patientendaten noch wichtiger. Starke Verschlüsselung, begrenzte Zugriffsrechte und die Einhaltung gesetzlicher Vorgaben sind entscheidend.

• Automatisierungsverzerrung: Blindes Vertrauen in algorithmische Ergebnisse kann zu fehlerhaften Diagnose- und Therapieentscheidungen führen.

Daher muss KI sorgfältig eingesetzt werden; die endgültige Entscheidung sollte stets auf menschlicher Fachkenntnis beruhen.

Der menschliche Beitrag: Moravecs Paradox und kognitive Flexibilität

Moravecs Paradox betont, dass KI komplexe Berechnungen mühelos ausführen kann, während sie für Menschen scheinbar einfache Fähigkeiten wie Empathie, Intuition und die Einordnung von Zusammenhängen noch nicht beherrscht. Zum Beispiel:

• KI kann einen Rundherd erkennen,

• die Lebensgeschichte, Gefühlslage und das soziale Umfeld der betroffenen Person jedoch nicht beurteilen.

Hier kommt die kognitive Flexibilität ins Spiel: Klinische Entscheidungsträger müssen sowohl technische Analysen durchführen als auch empathisch auf die Betroffenen eingehen können.

Radiologie und künstliche Intelligenz: Zusammenarbeit statt Wettbewerb

Auch wenn die Überschrift „Radiologie oder künstliche Intelligenz?“ lautet, liegt die Zukunft in der Formel „Radiologie + künstliche Intelligenz“. In dieser Zusammenarbeit:

• analysiert die KI die Aufnahmen rasch,

• markiert vorläufige Befunde,

• und die Radiologin oder der Radiologe ordnet die Daten in den klinischen Zusammenhang ein.

Dieser kombinierte Ansatz steigert die diagnostische Genauigkeit und reduziert die geistige Belastung in der Radiologie. Studien wie MASAI und EDITH zeigen, wie eine frühere Brustkrebsentdeckung durch KI diese Zusammenarbeit zum Nutzen der Betroffenen machen kann.

Die Radiologie der Zukunft: KI-kompetent und anpassungsfähig

In einer Welt, in der KI zunehmend Aufgaben übernimmt, werden neue Fähigkeiten in der Radiologie unverzichtbar. Für die Zukunft sind 4 Kernkompetenzen erforderlich:

1. KI-Schulungen absolvieren: KI durch Workshops, Online-Zertifikatsprogramme und praktische Fortbildungen am Arbeitsplatz selbst erproben.

2. KI-Kompetenz verbreiten: Für die Einbindung von Ethik, Datenwissenschaft und KI-Bewertung in die Facharztweiterbildung eintreten.

3. Gerechtigkeit und Sicherheit einfordern: Mit Forschenden und Aufsichtsbehörden zusammenarbeiten, um algorithmische Verzerrungen zu verringern und Patientendaten zu schützen.

4. Aufmerksam bleiben: KI-Ergebnisse als Ausgangspunkt des Entscheidungsprozesses betrachten und die ärztliche Verantwortung für die endgültige Entscheidung nicht vergessen.

Fazit: Die „Gorillas“ in der Bildgebung nicht länger übersehen

Vom berühmten Gorilla-Experiment 2013 bis zu wegweisenden Studien wie MASAI und EDITH hat sich die Sichtweise der Radiologie verändert. Heute stehen sowohl fortgeschrittene Algorithmen als auch erfahrene Fachleute zur Verfügung.

Richtig eingesetzt kann KI:

• die klinische Genauigkeit verbessern,

• den Diagnoseprozess verkürzen,

• und dafür sorgen, dass Betroffene ihre Untersuchungsergebnisse schneller erhalten.

Dabei gilt: Wie wir die Technologie einsetzen, bestimmt ihre Wirksamkeit.

Was denken Sie?

Revolutioniert KI Ihrer Meinung nach tatsächlich die Radiologie? Oder werden wir ohne die nötige Aufmerksamkeit weiterhin neue „Gorillas“ übersehen?

Teilen Sie Ihre Gedanken mit uns, damit wir diesen Wandel gemeinsam besser verstehen.