Zielsetzung
Im sich stetig verdichtenden radiologischen Arbeitsalltag untersucht diese Studie, ob und inwieweit KI-Assistenz der durch Fatigue bedingten Leistungsminderung von Radiologen entgegenwirkt.
Material und Methoden
In dieser prospektiven Studie befundeten vier Präsenz- bzw. Erstdienst-verrichtende Radiolog/innen jeweils unterschiedliche Sets von Röntgenthoraces (n=33, anteroposterior, Intensivstationen) in drei Sitzungen unter Nutzung einer strukturierten Befundungsvorlage mittags (i) und nachmittags (ii) vor sowie morgens nach (iii) dem Nachtdienst. Zusätzlich wurde nach dem Nachtdienst ein weiteres Set unter KI-Assistenz befundet (iv). Sets (i) und (ii) dienten der Untersuchung der Reproduzierbarkeit bzw. diagnostischen Performanz (Baseline), Sets (iii) und (iv) der Fatigue-bedingten Leistungsänderung bzw. deren Kompensation durch KI-Assistenz. Detaillierte Fragebögen dienten der Beurteilung der Nachtdienst-induzierten Fatigue und nachfolgenden Dichotomisierung. Die diagnostische Genauigkeit wurde durch Vergleich der strukturierten Befunde mit der Mehrheitsmeinung von erfahrenen Radiologen (n=6) als Cohen’s κ ermittelt.
Ergebnisse
Relevante Fatigue war bei drei von vier Radiolog/innen feststellbar. Die Baseline-Performanz war gut und exzellent reproduzierbar (κ[i und ii]=0.59±0.06; Δκ[i vs. ii]=0.02±0.01). Unter Fatigue nahm die diagnostische Genauigkeit ab (κ[iii]=0.52±0.09, Δκ[iii vs. i,ii]=-0.07±0.03), verbesserte sich jedoch durch KI-Assistenz über das Baseline-Niveau (κ[iv]=0.62±0.08, Δκ[iv vs. iii]=+0.10 ± 0.06).
Schlussfolgerungen
Diagnostische KI-basierte Befundungsassistenz kann Fatigue-bedingter Leistungsminderung in der Befundung von Röntgenthoraces entgegenwirken.