Purpose: In the last few years artificial intelligence (AI) has increasingly become a topic of interest, especially in diagnostic imaging. There are two main expected potential benefits: workflow effectiveness and diagnostic support systems, particularly as far as quality assurance is concerned.
Methods: To meet these objectives, it is necessary to define what artificial intelligence in medicine means and to discuss which detailed steps should be fulfilled, e. g., for MSK imaging in the daily routine. In addition, this article provides an overview of what is necessary for an efficient IT-based workflow including the clinical question, the choice of modalities and investigation protocols, structured reports, and clinical classification. This is particularly interesting for potential providers, who are keen to apply new soft skills to support imaging diagnostic processes.
Results: The use of AI-supported diagnostic imaging could result in a paradigm shift from a modality-oriented to a clinical problem-oriented workflow. In order to streamline trauma, degeneration, inflammation, and oncology-MSK diagnostic imaging, the potential benefits of AI-based workflow optimization should be taken advantage of. The following article describes a five-point plan combining patient expectations and specialized radiological standards with respect to investigation protocols and reports. Moreover, this AI-based strategy could help to improve interdisciplinary networking, e. g., boards etc., and facilitate the required leap in quality towards "personalized precision medicine" for the patient. According to the global discussion, there is a need to point out that it is not currently realistic to replace doctors with AI.
Key points: · AI as support-system has a paramount clinical impact. · AI in the daily routine could be for work-flow-support (processing) - a physician-replacement is un-realistic yet. · Standardization of work-flow by AI could be an important contribution of quality assurance.
Citation format: · Braunschweig R, Kildal D, Janka R. Artificial intelligence (AI) in diagnostic imaging . Fortschr Röntgenstr 2024; DOI: 10.1055/a-2208-6487.
Problem: Die Künstliche Intelligenz (KI) wird in der Bildgebenden Diagnostik zunehmend als Entscheidungs-„tool“ diskutiert und teilweise bereits unterstützend eingesetzt. Die Erwartungen an die KI sind heterogen aber aus klinischer Sicht undefiniert. Es besteht Klärungsbedarf, wofür „Künstliche Intelligenz in der Medizin“, insbesondere in der Bildgebenden Diagnostik, eingesetzt werden kann und soll.
Methodik: Der Artikel schlägt zum einen eine Begriffs-Definition zur KI, sowie weitere Begriffe wie „binäre Kriterien“ und „standardisierte Variabilität“ vor. Zum anderen werden gezielte Anwendungsszenarien für KI im Prozessablauf der Muskulo-Skelettalen-Bildgebung erläutert. Diese Hinweise sollen potenziellen Produktentwicklern helfen, IT-Applikationen für die work-flow-Unterstützung in der Bildgebenden Diagnostik zu entwickeln.
Ergebnis: Die Nutzung digital codierter Angaben (z. B. Zuweiser), die Auswahl der Modalitäten und Untersuchungsprotokolle durch digital-automatisierte Weitergabe der klinischen Fragestellungen, sowie die fragestellungsorientierte Bildpräsentation und strukturierte Befundung inklusive standardisierter Befund-Klassifikationen können wesentliche Bestandteile KI-basierter Prozessoptimierungen sein. Ziel des KI-Einsatzes ist vorrangig die Effektivierung der Prozessabläufe und die Qualitätssicherung der Bildgebenden Diagnostik. So kann z. B. die klinische Problematik/Fragestellung als wesentlicher Triggerpunkt für den Prozessablauf in der Bildgebenden Diagnostik einen Beitrag in der klinisch-interdisziplinären Qualitätssicherung leisten, da Indikation, Durchführung und Befundung der Untersuchung problemorientiert abgestimmt werden. Eine KI-basierte Befundung ist derzeit für den Routineeinsatz in der MSK-Bildgebung nicht verfügbar bzw. nur in Teilbereichen in Erprobungen. Im Hinblick auf die Pflicht zur individuell-ärztlichen Leistungserbringung sind zudem KI-Systeme zur Befundung als „Arztersatz“ aus Akzeptanzgründen, sowie wegen rechtlicher Unklarheiten (wer haftet?), derzeit unrealistisch.
Kernaussagen: · KI ist als IT-basierte Unterstützungsfunktion vielversprechend. · KI sollte aktuell der Prozessoptimierung dienen – ein Arztersatz ist unrealistisch. · In der Bildgebung kann KI Prozessschritte automatisieren und standardisieren und damit der Qualitätssicherung dienen.
Zitierweise: · Braunschweig R, Kildal D, Janka R. Artificial intelligence (AI) in diagnostic imaging . Fortschr Röntgenstr 2024; DOI: 10.1055/a-2208-6487.
Thieme. All rights reserved.