Focal liver lesions are detected in about 15% of abdominal ultrasound examinations. The diagnosis of frequent benign lesions can be determined reliably based on the characteristic B-mode appearance of cysts, hemangiomas, or typical focal fatty changes. In the case of focal liver lesions which remain unclear on B-mode ultrasound, contrast-enhanced ultrasound (CEUS) increases diagnostic accuracy for the distinction between benign and malignant liver lesions. Artificial intelligence describes applications that try to emulate human intelligence, at least in subfields such as the classification of images. Since ultrasound is considered to be a particularly examiner-dependent technique, the application of artificial intelligence could be an interesting approach for an objective and accurate diagnosis. In this systematic review we analyzed how artificial intelligence can be used to classify the benign or malignant nature and entity of focal liver lesions on the basis of B-mode or CEUS data. In a structured search on Scopus, Web of Science, PubMed, and IEEE, we found 52 studies that met the inclusion criteria. Studies showed good diagnostic performance for both the classification as benign or malignant and the differentiation of individual tumor entities. The results could be improved by inclusion of clinical parameters and were comparable to those of experienced investigators in terms of diagnostic accuracy. However, due to the limited spectrum of lesions included in the studies and a lack of independent validation cohorts, the transfer of the results into clinical practice is limited.
Raumforderungen der Leber finden sich in ca. 15 % abdominaler Ultraschalluntersuchungen. Die Diagnose der meisten benignen Läsionen kann bei charakteristischem Befund, z.B. bei Zysten, Hämangiomen und typischen fokalen Fettverteilungsvarianten, oft bereits in der B-Bild-Sonographie zuverlässig gestellt werden. Bei unklaren Befunden erhöht der Einsatz der Kontrastmittelsonographie (CEUS) die diagnostische Treffsicherheit bezüglich der Unterscheidung von benignen und malignen Leberläsionen. Künstliche Intelligenz beschreibt Anwendungen, die versuchen, in Bereichen wie der Klassifikation von Bildern humane Intelligenz nachzubilden. Da die Sonographie als besonders untersucherabhängig gilt, könnte die Anwendung künstlicher Intelligenz ein interessanter Ansatz für eine objektive und treffsichere Diagnose sein. Im Rahmen dieser systematischen Übersichtsarbeit haben wir analysiert, wie gut künstliche Intelligenz die Dignität und Entität von Leberläsionen auf Basis von B-Bild- oder CEUS-Daten bestimmen kann. Basierend auf einer strukturierten Recherche in Scopus, Web of Science, PubMed und IEEE fanden wir 52 Studien, welche die Einschlusskriterien erfüllten. Es zeigte sich eine gute diagnostische Genauigkeit sowohl für die Differenzierung der Dignität als auch der verschiedener Tumorentitäten. Die Ergebnisse ließen sich durch die zusätzliche Berücksichtigung klinischer Parameter verbessern und waren bezüglich der diagnostischen Genauigkeit mit der erfahrener Untersucher vergleichbar. Aufgrund des begrenzten Spektrums untersuchter Läsionen und häufig fehlender unabhängiger Validierungskohorten sind die Ergebnisse jedoch nur begrenzt auf die klinische Anwendung übertragbar.
Thieme. All rights reserved.