Machine learning is rapidly gaining importance in radiology. It allows for the exploitation of patterns in imaging data and in patient records for a more accurate and precise quantification, diagnosis, and prognosis. Here, we outline the basics of machine learning relevant for radiology, and review the current state of the art, the limitations, and the challenges faced as these techniques become an important building block of precision medicine. Furthermore, we discuss the roles machine learning can play in clinical routine and research and predict how it might change the field of radiology.
Maschinelles Lernen gewinnt in der Radiologie rasch an Bedeutung. Es ermöglicht die Auswertung von Mustern in Daten aus bildgebenden Untersuchungen und Patientenakten für eine genauere und präzisere Quantifizierung, Diagnose und Prognose. Im vorliegenden Beitrag werden die für die Radiologie relevanten Grundlagen des maschinellen Lernens dargelegt und ein Überblick über den derzeitigen Stand der Wissenschaft, die Limitationen und die anstehenden Herausforderungen gegeben, da sich diese Technik zu einem wichtigen Baustein der Präzisionsmedizin entwickelt. Es wird erörtert, welche Rolle das maschinelle Lernen im Rahmen der klinischen Routine und in der Forschung spielen kann; darüber hinaus wird ein Ausblick darauf gegeben, wie diese Technik die Radiologie langfristig beeinflussen könnte.
Keywords: Artificial intelligence; Computed tomography; Decision support; Imaging; Informatics.