Lesedauer: 4 minutes

Künstliche Intelligenz hält Einzug in die Radiologie

Um die Ressourcenverfügbarkeit in der Radiologie zu optimieren, wurde einen Algorithmus entwickelt, der sogenannte «No-shows» identifizieren kann und so für eine bessere Terminplanung sorgt.

Ziel der Radiologie ist es, Geräte wie den Magnetresonanztomographen (MRT) und den Computertomographen (CT) bestmöglich auszulasten. Und doch kommt es immer wieder zu sogenannten «No-shows», also Patientinnen und Patienten, die nicht zum vereinbarten Termin erscheinen. Diese No-shows führen dazu, dass Leistungen des Spitals nicht erbracht werden können und die Geräte im schlimmsten Fall kurzfristig nicht für andere Patientinnen und Patienten zur Verfügung stehen. Ausserdem, so Prof. Dr. med. Sebastian Schindera, Chefarzt des Instituts für Radiologie im Kantonsspital Aarau, «kann das vermehrte Aufkommen von No-shows wie z.B. im MRT schliesslich dazu führen, dass andere Erkrankte länger auf ihre Untersuchung warten müssen».

No-shows sind nicht selten: Während fünf Jahren haben das Team der Radiologie im KSA rund 5'000 Fälle im Institut für Radiologie dokumentiert. «Weil sich für einen leerstehenden MRT-Scanner häufig nicht so schnell andere Patienten organisieren lassen, entstehen zusätzlich Leerlaufkosten», so Prof. Schindera weiter.

Künstliche Intelligenz (KI) für bessere Planungssicherheit

Gemeinsam einem sehr grossen Anbieter für Technologien im Bereich der medizinischen Bildgebung hat das KSA deshalb einen Algorithmus entwickelt, um No-shows im Voraus zu identifizieren. Dazu wurden Daten aus dem KSA der letzten fünf Jahre analysiert und ausgewertet. Mithilfe dieser ausgewerteten retrospektiven Daten können Voraussagen gemacht werden, ob für Patientinnen und Patienten ein erhöhtes Risiko besteht, nicht zum vereinbarten Termin zu erscheinen. Ob bei einer Patientin oder einem Patienten ein erhöhtes Risiko für eine potenzielle No-show vorliegt, wird anhand von terminspezifischen und patientenspezifischen Informationen vorausgesagt. Es kommt also darauf an, wie lange der Termin im Voraus geplant wurde, zu welcher Uhrzeit der Termin stattfindet, wie alt die Patientin oder der Patient ist oder ob in der Vergangenheit schon eine No-show stattgefunden hat.

Weniger Wartezeiten bei MRT

Auf einem Dashboard sind die Termine der nächsten Tage ersichtlich, gemeinsam mit einem Risikowert, der aufzeigt, ob die Patientin oder der Patient voraussichtlich zum Termin erscheinen wird oder nicht. Seit November 2021 ist das Dashboard bei der Terminvergabe für eine MRT-Untersuchung durch das Empfangsteam der Radiologie im Einsatz. Das Empfangsteam ruft diejenigen Patientinnen und Patienten mit einem erhöhten Risikowert an und erinnert sie persönlich und höflich an den bevorstehenden Termin. Im Schnitt handelt es sich wöchentlich um rund zehn Patienten, die einen erhöhten Risikowert aufweisen. Sollte der Termin nämlich nicht passen, kann proaktiv ein neuer Termin vereinbart werden. In diesem Fall ist genügend Zeit da, den frei gewordenen Platz für einen anderen Patienten, der auf die Untersuchung wartet, zugänglich zu machen.

Eine Evaluation des Tools ist Ende 2022 nach einem Jahr Laufzeit vorgesehen. Bis dahin wird der Algorithmus laufend überprüft und verbessert.

Künstliche Intelligenz (KI) im klinischen Alltag der Radiologie und Neuroradiologie

Im KSA ist künstliche Intelligenz nicht nur tagtäglich für eine verbesserte Ressourcenplanung im Einsatz, sondern wird auch für diagnostische Zwecke verwendet. Hier ein paar Beispiele:

  • Bestimmung der Dichte des Brustdrüsengewebes in der Mammographie: Wird Brustkrebs früh erkannt, sind die Heilungschancen deutlich besser. Den Krebs in der Mammographie zu erkennen, ist bei Frauen mit dichtem Brustgewebe jedoch äusserst schwierig. Deshalb wird in diesen Fällen eine zusätzliche Ultraschalluntersuchung empfohlen. Die Einstufung der Brustdichte erfolgt durch Radiologinnen und Radiologen. Im KSA hilft seit 2021 zusätzlich eine KI-Lösung dabei, die Brustdichte zu bestimmen. Sie dient als Arbeitsunterstützung und zur Qualitätsprüfung.
  • Diagnose von Lungenembolien (Blutgerinnsel, die zur Verstopfung von Lungengefässen führen): Das KSA arbeitet seit 2021 mit einer Software, die eine mögliche Lungenembolie im CT mit hoher Genauigkeit erkennen kann. Sie hilft den Radiologinnen und Radiologen dabei, lebensbedrohliche Fälle zu priorisieren, die Erkennungsrate zu erhöhen und so eine optimale Betreuung der Patientinnen und Patienten zu gewährleisten.
  • Feststellen von Knochenbrüchen im Röntgen: Seit 2021 verwendet das KSA zur Diagnose von Knochenbrüchen (Frakturen) im Röntgen künstliche Intelligenz – bei erwachsenen Personen ebenso wie bei Kindern. Diese Lösung erhöht zum einen die Befundqualität und steigert zum anderen die Effizienz bei der Befundung.
  • Feststellen von Hirnblutungen und Hirnschlägen: Schlaganfallpatientinnen und -patienten können heutzutage wirksam behandelt werden. Diagnostik und Therapie stehen dabei unter Zeitdruck. Blutungen und Infarkte können sich mit gleichen Symptomen präsentieren, erfordern aber unterschiedliche Behandlungsweisen. Im KSA werden KI-basierte Auswertealgorithmen eingesetzt, die in der Bildgebung Blutungen sofort von Infarkten unterscheiden können und für Infarkte wichtige Zusatzinformationen über Gefässverschlüsse und Durchblutungsbedingungen liefern. So werden Fälle erkannt, in denen das Schlaganfallteam unverzüglich aktiv werden muss. Die Software wird auch in den zuweisenden Spitälern eingesetzt, die Kliniken sind vernetzt und betroffene Patientinnen und Patienten können direkt ins KSA weiterverlegt werden, wenn die Bedingungen für einen schnellen Einsatz des Schlaganfallteams erfüllt sind. Die Blutungserkennung unterstützt die Neuroradiologinnen und -radiologen auch ausserhalb der Schlaganfalldiagnostik, z.B. bei der Versorgung von Patientinnen und Patienten nach Unfällen.
  • Hirnvolumetrie: Viele neurologische Erkrankungen verursachen Gewebsveränderungen, die sich in der Bildgebung nicht sofort erschliessen. Im KSA helfen KI-basierte Zusatzauswertungen dabei, solche Veränderungen sicher zu erkennen und zu sortieren. So kann z.B. die Diagnose von Demenzen schneller und verlässlicher erfolgen. Die Leitlinien zur Behandlung stützen sich ausserdem auf Kriterien, die erst mittels softwarebasierter Analysen sicher bestimmt werden können. Die KI-Analysen helfen auch bei der Zuordnung anderer neurologischer Erkrankungen und machen die Beurteilung schneller und sicherer.

Autor*in

Profile picture for user ksaksa

Das Spital mit Kopf, Hand und Herz

Zu unserer Website