Radiologie und IT - Smart Work statt Hard Work: Wie der Radiologie-Workflow beschleunigt wird

Diese Studie untersucht das Potenzial von ChatGPT-3.5 und ChatGPT-4.0 für die Arbeitsplatzorganisation in der Radiologie.

ChatGPT-3.5 und ChatGPT-4.0 (OpenAI, USA) generierten auf 30 vorab ausgewählte Fragen Antworten zu vier verschiedenen Bereichen der Arbeitsplatzorganisation in der Radiologie: 1) Patientenmanagement, 2) Bildgebung und Strahlenmanagement, 3) Lernen und persönliche Entwicklung, 4) Verwaltung und Abteilungsmanagement. Zwei Reader bewerteten unabhängig voneinander die von den Sprachmodellen bereitgestellten Antworten. Zur Beurteilung der Antwortqualität wurde ein kürzlich entwickeltes, neuartiges Scoringsystem benutzt. Dieses beinhaltet den Mean Quality (MQS), bestehend aus dem Overall Quality Score (OQS), Implementability Score (IS) und Understandability Score (US). Ein mittlerer Scoringwert von mindestens 3 wurde als Benchmark für eine zuverlässige Antwort angesehen.

Die Interrater-Reliabilität (IRR) war insgesamt gut für ChatGPT-3.5 (k=65 %) und moderat für ChatGPT-4.0 (k=54 %), was möglicherweise auf mehr Variabilität in den Antworten von ChatGPT-4.0 hindeutet. Beim MQS war ChatGPT-4.0 mit 3,75 deutlich besser als ChatGPT-3.5 mit 3,36. Auch beim OQS, US and IS erzielte ChatGPT-4.0 in allen Kategorien höhere Bewertungen als ChatGPT-3.5, während ChatGPT-4.0 in allen Ratings und ChatGPT-3.5 in den meisten Ratings die Benchmark von 3 überschritt. Diese konstant höhere Leistung unterstreicht die Weiterentwicklung von ChatGPT-4.0 und zeigt sich auch in den statistischen Analysen, die p-Werte zwischen <0.001 und 0.002 ergaben.

Beide Sprachmodelle schnitten bei Fragen zur Arbeitsplatzorganisation in der Radiologie gut ab. ChatGPT-4.0 übertraf ChatGPT-3.5 signifikant in der Antwortqualität. Die Ergebnisse verdeutlichen die über die einfache Textanalyse hinausgehende Bedeutung großer Sprachmodelle in der Radiologie.

Lange Akquisitionszeiten begrenzen die MRT-Verfügbarkeit, was optimierte Protokolle für eine effiziente Scannernutzung erfordert. Ziel der Studie war es, die Fähigkeit von GPT-4 zur korrekten Sequenzwahl für MRT-Untersuchungen im Vergleich zu Assistenzärzten zu evaluieren.

In dieser retrospektiven Studie wurden 100 MRT-Anforderungen von stationären (n=68) und ambulanten (n=32) Patienten aus vier Fachbereichen untersucht (kardiale, neuroradiologische, muskuloskelettale und onkologische Bildgebung). GPT-4 und zwei Assistenzärzte (R1: 2 Jahre und R2: 5 Jahre Erfahrung) wählten basierend auf der Krankengeschichte und klinischen Fragestellung die MRT-Sequenzen. Sechs erfahrene Oberärzte bewerteten die Protokolle nach Vollständigkeit, Qualität und Nutzen auf einer 5-Punkte-Skala (5=keine relevanten Fehler/sehr nützlich) im Konsens. Ein leitender MTRA prüfte die klinische Anwendbarkeit durch eine binäre Bewertung.

Die von GPT-4 bestimmten Protokolle erzielten Werte von 3 (Median, [IQR: 1-5]) für Vollständigkeit, 4 [1-5] für Qualität und 4 [1-5] für Nutzen, was vergleichbar mit R1 (3 [1-5], 4 [1-5], 4 [1-5]; p>0.05) und unterlegen gegenüber R2 (4 [1-5], 5 [1-5], 5 [1-5]; p<0.001) war. In der kardialen Bildgebung generierte GPT-4 Protokolle mit einer Qualität von 4 [2-4], was besser als R1 (4 [2-5], p<0.05) und vergleichbar mit R2 (5 [1-5], p>0.05) war. Neuroradiologisch waren keine Unterschiede zwischen GPT-4 und den menschlichen Lesern festzustellen (alle 5 [1-5]; p>0.05). In der muskuloskelettalen Bildgebung erzielte GPT-4 (3 [2-5]) niedrigere Ergebnisse als die Assistenzärzte (R1: 4 [3-5], R2: 5 [3-5]; beide p<0.001). In der Onkologie war GPT-4 (4 [1-5]) leicht besser als R1 (2 [1-4], p>0.05) und unterlegen gegenüber R2 (5 [3-5], p<0.01). Aus Sicht der MTRA waren die von GPT-4 generierten Protokolle in 95 % der Fälle klinisch anwendbar, was vergleichbar mit R1 (95 %) und R2 (96 %) war.

GPT-4 generierte MRT-Protokolle mit hoher Vollständigkeit, Qualität und klinischer Anwendbarkeit, insbesondere in standardisierten Bereichen wie kardialer Bildgebung und Neuroradiologie. In der muskuloskelettalen Bildgebung waren die Ergebnisse moderat. GPT-4 kann weniger erfahrene Radiologen bei der MRT-Protokollerstellung unterstützen und der zunehmenden Arbeitsbelastung entgegenwirken.

Für aussagekräftige MRT-Aufnahmen müssen Untersuchungssequenzen so gewählt werden, dass die Fragestellung unter Berücksichtigung der Patientenanamnese sicher beantwortet werden kann. Eine ungeeignete Protokollwahl kann die Aussagekraft beeinträchtigen, die Scandauer verlängern und Fehldiagnosen begünstigen. Üblicherweise legen Radiologen anhand ihrer Expertise passende Protokolle fest, was zeitaufwändig und interindividuell variabel sein kann. Sprachmodelle (Large Language Models, LLMs) bieten das Potential, diesen Prozess zu vereinfachen. In dieser Studie soll untersucht werden, inwieweit moderne LLMs eine MRT-Protokollfestlegung anhand der Angaben der Zuweisenden ermöglichen.

Es wurden Protokolle für 410 anonymisierte, elektronische Anforderungen von kranialen MRT-Untersuchungen aus dem lokalen Order-Entry-System durch einen erfahrenen Neuroradiologen festgelegt, wobei die Zuordnung zu insgesamt neun Klassen erfolgte. Eine lokale Instanz des auf deutscher medizinischer Sprache vortrainierten Sprachmodells medBERT.de wurde nachtrainiert (Fine-Tuning), um die festgelegten Protokolle anhand der Order-Entry-Einträge in den Feldern Vordiagnosen, bisheriger Therapieverlauf und Fragestellung zu klassifizieren. Training und Evaluation erfolgten mittels 5-facher Kreuzvalidierung mit jeweils 60 Trainingsepochen.

Das Modell konnte 82% aller Protokolle korrekt vorhersagen, erzielte einen Macro-F1-Score von 0,72, eine ROC-AUC von 0,94 sowie Werte von 0,77 für Macro-Precision und 0,71 für Macro-Recall. Die häufigste Klasse (Schädel mit Kontrastmittel) wurde zu 94% korrekt bestimmt. Die seltenste Klasse (Epilepsie) wurde zu 44% korrekt klassifiziert.

Die Vorhersage von Untersuchungssequenzen mithilfe von Large Language Models zeigt selbst bei begrenzten Trainingsdaten vielversprechende Ergebnisse. Ein solcher Ansatz bietet großes Potential, durch automatisierte Protokollvorschläge den Prozess der radiologischen Protokollfestlegung zu beschleunigen und stärker zu standardisieren.

Ischämische Herzerkrankung ist eine erhebliche globale Gesundheitsbelastung.
Kalzium-Scoring (CAC) und die Koronar-CTA (CCTA) sind wertvolle Diagnostika, Bildrauschen kann eine Beurteilung aber erschweren.
AI Denoising (AID) Algorithmen bieten potenzielle Verbesserungen, ihr Einfluss auf Bildqualität und Nutzbarkeit von Herz-CT ist aber noch nicht hinreichend untersucht.
Diese Studie untersuchte die Auswirkungen eines AID-Algorithmus auf die Bildqualität von CAC und CCTA, die klinische Nutzbarkeit sowie die Workflow-Effizienz im Vergleich zur Standard-iterativen Rekonstruktion (IR).

Eine retrospektive Analyse von 100 Patienten mit CAC- und CCTA-Scans vom selben CT-Scanner wurde durchgeführt. Die IR- und AID-Rekonstruktionen ergaben 400 Datensätze, die von zwei Radiologen hinsichtlich der subjektiven Bildqualität mithilfe eines semiquantitativen Bewertungssystems bewertet wurden. Objektive Bildqualitätsmetriken (Stabilität der CT-Werte, Rauschen und CNR) wurden gemessen. Die klinische Nutzbarkeit wurde durch den Vergleich von kardiologischem Alter und Agatston-Score-Bewertungen vor und nach manuellen Korrekturen bewertet. Die Workflow-Effizienz wurde durch die Messung der Zeit für manuelle Korrekturen beim CAC-Scoring bestimmt.

AID zeigte eine signifikant höhere Gesamtqualität als IR (p<0,001), mit starker Intra-Rater-Reliabilität (r=1,00) und Inter-Rater-Agreement (r≥0,79).
AID hielt die CT-Werte stabil (p≥0,311), reduzierte jedoch das Rauschen und verbesserte die CNR (jeweils p<0,001).
Es gab keine Unterschiede im kardiologischen Alter. Die Agatston-Scores waren bei IR vor der manuellen Korrektur höher als bei DLD (p<0,001), stimmten jedoch nach der Korrektur überein (p≥0,158), was die klinische Nutzbarkeit bestätigt.
Zusätzlich erforderte AID weniger Zeit für manuelle Korrekturen als IR (p<0,001).

Der untersuchte AID-Algorithmus verbessert die Patientenversorgung in der Kardio-CT, indem er die Bildqualität erhöht und radiologische Arbeitsabläufe optimiert.

Mit der weit verbreiteten CT-basierten Lungenkrebsvorsorge ist die Strahlenexposition ein wichtiges Anliegen. Wir schlagen eine automatisierte und erklärbare Qualitätskontrollmethode vor, die Over- und Underscanning erkennt und das Bildrauschen bewertet.

Unter Verwendung des TotalSegmentator und Nachbearbeitung segmentieren wir Lunge und die absteigende Aorta in 3D. Das Overscanning wird durch Messung der kranialen und kaudalen Körperregionen der Lunge im Scan beurteilt. Das Rauschen wird durch die volumen-normalisierte Standardabweichung der Hounsfield-Einheiten (HU) in der segmentierten Aorta quantifiziert. Ein Radiologe überprüfte 98 Low-Dose-CTs aus der National Lung Screening Trial (NLST) und bewertete die Segmentierungsqualität auf einer 6-stufigen Skala (Perfekt, Fast Perfekt, Gut, Akzeptabel, Ungenügend). Darüber hinaus analysierten wir 38.834 NLST-Low-dose CTs hinsichtlich Over- und, Underscanning, Rauschen. Für jeden Scan wird ein PDF-Bericht mit Bildern, Werten und Segmentierungen erstellt.

Laut dem Radiologen waren die Lungen in 90,8% [95% CI: 83,3% - 90,8%] der Scans fast perfekt oder besser segmentiert und das Blut der absteigenden Aorta in 96,9% [95% CI: 91,3% - 99,4%] davon. Für die 38.834 CTs beträgt das Overscanning kaudal im Schnitt 31,21 mm ±18,98 mm [6,0 mm; 66,25 mm] (Mittelwert±Std [Quartile: 5%; 95%]) und kranial durchschnittlich 14,54 mm ±7,18 mm [5 mm; 27,5 mm]. Im Durchschnitt zeigen 13,94% ±6,56% [4,58%; 25.39%] des Scans keine Lunge. Underscanning trat kaudal 1694 Mal auf und kranial 347 Mal. Die durchschnittliche Standardabweichung des Rauschens beträgt 34.16 HU ±22.51 HU [17.31 HU; 58.15 HU]. Bei einer festen effektiven Strahlendosis gemessen in Milliampere-Sekunden beträgt die durchschnittliche Spearman-Korrelation zwischen dem Rauschen und dem Patientengewicht 0.835.

Die Methode offenbart Qualitätsunterschiede zwischen den Low-Dose-CTs zur Lungenkrebsvorsorge. Dies deutet auf Optimierungspotenzial bei der angewandten Strahlendosis hin.

Diese Studie evaluiert die Leistung verschiedener Retrieval-augmented Generation (RAG) Ansätze und Large Language Models (LLMs) bei der Beantwortung von Fragen zu zwei neurovaskulären Leitlinien.

Es wurden fünf Text Embedding Modelle zur Extraktion relevanter Informationen aus den Leitlinien „S3-Leitlinie Diagnostik, Therapie und Nachsorge der extracraniellen Carotisstenose“ und „S2e-Leitlinie Akuttherapie des ischämischen Hirninfarktes“ miteinander verglichen. Anschließend wurden fünf LLMs (GPT-4o-mini mit/ohne RAG, Llama 3.1 405B Instruct Turbo, Mixtral 8x22B Instruct und Claude 3.5 Sonnet) zur Generierung von Antworten evaluiert. Die Antworten wurden von einem Neuroradiologen und einem Neurologen als "korrekt", "ungenau" oder "falsch" klassifiziert.

Das Text Embedding Model "text-embedding-3-large" (OpenAI) erzielte den höchsten Recall (84,4%) beim Retrieval. Bei der Antwortgenerierung erreichte Claude 3.5 Sonnet die höchste Genauigkeit (70,6% Fragen korrekt, 18,8% ungenau, 10,6% falsch), gefolgt von Llama 3.1 405B Instruct Turbo (64,7% korrekt, 20,0% ungenau, 15,3% falsch). GPT-4o-mini ohne RAG zeigte die niedrigste Genauigkeit (20,0% korrekt, 47,1% ungenau, 32,9% falsch).

RAG-basierte Ansätze verbessern signifikant die Genauigkeit von LLMs bei der Beantwortung von Fragen zu medizinischen Leitlinien. Die Kombination aus OpenAI "text-embedding-3-large" als Text Embedding Model und Claude 3.5 Sonnet als LLM für die Antwortgenerierung erwies sich als besonders effektiv. Diese Ergebnisse unterstreichen das Potenzial von KI-gestützten Systemen zur Unterstützung von Ärzten bei der schnellen und präzisen Extraktion von Informationen aus komplexen medizinischen Leitlinien.

Neben der strukturierten Befundung unter Nutzung Modalitäten- bzw. Anatomie-spezifischer Befundungsvorlagen hält künstliche Intelligenz (KI) zunehmend Eingang in die radiologische Befundung. Zielsetzung dieser Studie ist die Untersuchung der Auswirkungen der Befundungsart auf Bildanalyseverhalten und diagnostische Genauigkeit von Radiologen.

In dieser prospektiven Studie befundeten sechs Radiologen unterschiedlicher Erfahrungsgrade und zwei Medizinstudenten im Praktischen Jahr jeweils 35 Thoraxröntgenbilder (liegend, anteroposteriore Projektion, Intensivstation) auf drei Befundungsarten: (i) Freitext, (ii) strukturierte Befundungsvorlage und (iii) durch KI vorausgefüllte strukturierte Befundvorlage. Die Radiologen beurteilen Pleuraerguss, Infiltrate, Stauung, Atelektase und Herzgröße semiquantitativ und unter Nutzung eines Monitor-basierten Eye-Trackers, der Metriken wie Fixationen jeweils für die Befundungs- und Bildhälfte des Monitors separat erfasste. Die diagnostische Genauigkeit wurde durch den Vergleich mit der Mehrheitsmeinung erfahrener Radiologen (n=6, ground truth) quantifiziert (Cohens κ). Die statistische Analyse wurde Modell-basiert vorgenommen (GLMM) auf Basis eines Signifikanzniveaus von α<0.001.

Die diagnostische Genauigkeit war am höchsten für die KI-assistierte strukturierte Befundung (κ[iii]=0.71 vs. κ[i]=0.58 vs. κ[ii]=0.60). Die Nutzung der strukturierten Befundungsvorlage, unabhängig von KI-Assistenz, reduzierte die Bearbeitungszeit pro Bild. Sowohl die Fixations- als auch die insgesamte Betrachtungsdauer des Befundungsanteils reduzierte sich signifikant bei Nutzung der strukturierten Befundungsvorlage mit und ohne KI-Assistenz gegenüber dem Freitextformat. Diese Reduktion galt nicht für den Bildgebungsanteil.

Die Nutzung von strukturierten Befundungsvorlagen ist zeiteffizient und verlagert den visuellen Fokus vom Befundungs- auf den Bildgebungsanteil. Die Einführung von KI-Assistenz verbessert die diagnostische Genauigkeit von Radiologen.

Szenario zur Zukunft der deutschen Radiologie im Jahr 2030 als Planungshilfe für (niedergelassene) Radiologen

Szenariotechnik, strukturierte Interviews, Workshops mit 100 Beteiligten aus der Radiologiebranche

Nach dem ersten Zukunftsszenario, das auf dem DRK 2006 vorgestellt wurde, legen Curagita und die 400 niedergelassenen Radiologen des Radiologienetz zusammen mit zahlreichen Branchenexperten 2024 ein neues Zukunftsbild vor. Inmitten eines unterfinanzierten deutschen Gesundheitswesens steht die niedergelassene Radiologie vor tiefgreifender Rationalisierung. Der Bedarf an Radiologie wird weiter ansteigen: Mehr Patienten mit jeweils mehr Bildern und komplexerer Befundung. Gleichzeitig wird die Arbeitszeit von immer knapperen und weniger arbeitenden New-Work-Radiologen und MTR und damit das Angebot an Radiologie zurückgehen. Eine einfache Rechnung beziffert die Versorgungslücke mit 21-31% des heutigen Radiologievolumens im Jahr 2030. Geringere Öffnungszeiten, längere Wartezeiten und teilweise unbesetzte Arztsitzen an weniger Standorten wären die Folge. Die anhaltende Rationalisierung in und die Konsolidierung unter den Praxen wird die nächsten Jahre prägen. Bevor es zu einer Rationierung kommt, könnten die Reserven einer Überversorgung, beispielsweise anhand strenger Indikation, ausgeschöpft werden. Diese Überversorgung wird von Insidern auf 20-30% der Untersuchungen geschätzt und deckte somit die o.g. Versorgungslücke.
Der Haupttrend der Rationalisierung wird von 10 weiteren Trends begleitet:
1. Anhaltende Personalverknappung und -verteuerung, verstärkt durch den Ruhe-stand der „Baby Boomer“ und das New-Work der jüngeren Generationen,
2. Fortschreitende Praxiskonsolidierung und Zunahme des Einflusses investorenge-führter MVZ, die heute 1/3, zukünftig 50% des Marktes beherrschen werden,
3. Verstärkung des Vergütungsdrucks in GKV, PKV,
4. Umfassender Wandel in der Krankenhaus-Radiologie,
5. Beschleunigter Zugriff von Teilgebietsradiologen, insb. auf MRT,
6. Souveräne Patienten und Präventanten,
7. Eher kosten- als nutzengetriebene KV, Kassen, Versicherungen,
8. Parallele Konsolidierung weltweit agierender Hersteller mit Fokus auf KI,
9. Weitere Subspezialisierung des Fachgebiets Radiologie,
10. Megatrend Künstliche Intelligenz (KI) und Digitalisierung.
Die Trends verdichten sich zu zwei Szenarien:
Langfristig lässt sich ein mit „Google-Radiologie“ bezeichnetes Extremszenario erkennen: Mehr Radiologie, aber eher „virtuell“. Präventanten bzw. Patienten würden ihre in einem „Passbildautomaten-MRT“ oder bei Teilgebietsradiologen automatisiert gemachten Bilder bei Google bzw. ChatGPT hochladen und sekundenschnell eine Befundung und therapie-bezogene Diagnose mit Online-Therapieempfehlung erhalten.
Mittelfristig bis 2030-40 zeichnet sich das Szenario einer Vielfalt von Betriebsformen in der freiberuflichen Radiologie, dominiert von „Radiology Factories“ oder Megapraxen. Vorstellbar wären diese durch Praxisfusion entstandenen regionalen Vollsortimentzentren mit 10 ferngesteuerten MRT, die rund um die Uhr neben einer KI-gestützten Massenradiologie eine hochqualitative Subspezialisierung anbieten. Wenige Radiologen befunden ganzheitlich in „Reporting Rooms“ oder auch von zuhause aus und nutzen VR (Virtual Reality) und Large Language Models. Die Verwaltung ist von der Anmeldung über die Dienstplanung bis hin zur Abrechnung vollautomatisiert. Daneben entstehen weitere Praxisformen, wie sub-spezialisierte Boutiquen, Abteilungen von Teilgebietsradiologen, Diagnostikzentren oder Präventionszentren.
Das Arbeitsfeld der RadiologIn wird sich insbesondere im Zug des New Work und infolge der Nutzung von KI verändern. Die RadiologIn steuert volldigitale Workflows, inklusive (au-tomatisierter) Indikationsprüfung und gesundheitsökonomischer Begründung. Die Befundung von (Ganzkörper-) Untersuchungen wird ganzheitlicher (z.B. Ergüsse, Gefäßkalk, Blutfette, Organstatus) und individueller (Präzisionsmedizin) unter Einbeziehung klinischer Informationen und Labor. Der Befund wird „Antworten auf Fragen, die nicht gestellt wurden“ (H.U. Kauczor) geben und „die Prävention läuft begleitend mit“ (C. Bamberger). Der radiologische Befund wird quantitativer, klassifizierender, segmentierender, strukturierter, standardisierter, fusionierter, KI-doppel- und zusatzbefundet, klinischer und vor allem prognostisch je nach Wunsch. Der Befund wird zur Diagnose. Zielaufträge weichen Abklärungen. Präventanten sind zugleich Patienten und umgekehrt. Insgesamt wird die RadiologIn vom Kunstflieger im eigenen Doppeldecker zum Autopilot-unterstützten arbeitenden Flugkapitän großer Verkehrsflugzeuge im fremden Eigentum. Sie wird mehr Zeit für Personal, Patient und Zuweiser haben.
Obwohl wir mit Covid, Kriegen und diversen Krisen gerade weltweit größte Umbrüche er-leben, waren die am Szenario Beteiligten kaum in der Lage Diskontinuitäten zu identifizieren oder Technologiesprünge einzuschätzen. Im Vordergrund stand die Frage, wie schnell und weitreichend KI die Arbeit beeinflusst und ob Regulatorik und Vergütung nachkommen und bürokratische Hemmnisse überwinden können.

Die niedergelassene RadiologIn kann sich auf auf diese Zukunft vorbereiten: Aktive Lobbyarbeit, Vernetzung der freiberuflichen Praxen, strategische Praxis-entwicklung, professionelle Personalarbeit und teilnehmende Beobachtung von KI.