Background: Artificial intelligence (AI) has the potential to fundamentally change medicine within the coming decades. Radiological imaging is one of the primary fields of its clinical application.
Objectives: In this article, we summarize previous AI developments with a focus on oncological radiology. Based on selected examples, we derive scenarios for developments in the next 10 years.
Materials and methods: This work is based on a review of various literature and product databases, publications by regulatory authorities, reports, and press releases.
Conclusions: The clinical use of AI applications is still in an early stage of development. The large number of research publications shows the potential of the field. Several certified products have already become available to users. However, for a widespread adoption of AI applications in clinical routine, several fundamental prerequisites are still awaited. These include the generation of evidence justifying the use of algorithms through representative clinical studies, adjustments to the framework for approval processes and dedicated education and teaching resources for its users. It is expected that use of AI methods will increase, thus, creating new opportunities for improved diagnostics, therapy, and more efficient workflows.
Zusammenfassung: HINTERGRUND: Der künstlichen Intelligenz (KI) wird das Potenzial zugeschrieben, die medizinische Arbeitsweise in den kommenden Dekaden nachhaltig zu verändern. Die radiologische Bildgebung stellt hierbei eines der Hauptanwendungsgebiete dar.
Ziel der arbeit: In diesem Artikel werden bisherige KI-Entwicklungen mit dem Fokus auf die onkologische Radiologie zusammengefasst und an ausgewählten Beispielen mögliche Szenarien für die Entwicklung in den kommenden 10 Jahren abgeleitet.
Material und methoden: Diese Arbeit basiert auf einer Recherche in verschiedenen Literatur- und Produktdatenbanken, Veröffentlichungen von regulatorischen Behörden und Berichten im Internet.
Schlussfolgerung: Der klinische Einsatz von KI-Anwendungen befindet sich noch in einer frühen Entwicklungsphase. Die große Anzahl an Forschungspublikationen demonstriert das Potenzial dieses Gebiets. Auch stehen den Anwendern bereits erste zertifizierte Produkte zur Verfügung. Für eine flächendeckende Verbreitung von KI-Anwendungen in der klinischen Routine sind jedoch noch einige grundlegende Voraussetzungen zu schaffen. Zu diesen gehören die Generierung von Evidenz für den Einsatz von Algorithmen anhand repräsentativer klinischer Studien, Anpassungen der Rahmenbedingungen für die Zulassung sowie eine gezielte Aus- und Weiterbildung der Anwender. Es ist zu erwarten, dass KI-Methoden künftig zunehmend eingesetzt und damit neue Möglichkeiten für eine bessere Diagnostik und Therapie sowie ein effizienteres Arbeiten geschaffen werden.
Keywords: Commercial software; Deep learning; Digital transformation; Machine learning; Regulatory affairs.