PCR-Tests sind das Mittel der Wahl zur Diagnose von Infektionen mit SARS-CoV-2. Das Coronavirus lässt sich aber auch mit einer Erfolgsrate von 92 Prozent auf Computertomographie-Scans erkennen – dank einer neuen Methode.
Ein neu entwickeltes interaktives KI-System könnte medizinisches Personal bei der Diagnostik unterschützten. Mit einer Erfolgsrate von 92 Prozent handelt es sich bei der Methode um eine der weltweit präzisesten automatischen Diagnosen von SARS-CoV-2 anhand von CT-Scans.
Zur Erkennung von SARS-CoV-2 gibt es neben den weltweit eingesetzten PCR-Tests noch weitere Diagnosemöglichkeiten: Die Erkrankung lässt sich auch anhand von Computertomographie-Scans nachweisen – wozu auch Künstliche Intelligenz eingesetzt werden kann. Ein KI-System kann nicht nur die CT-Scans von COVID-19-Patienten aus einem Datensatz herausfiltern, sondern zudem einschätzen, welche Bildbereiche besonders auffällig sind. In einem neuen Forschungsvorhaben hat ein internationales Team einen neuen Prototyp zur automatischen Erkennung von SARS-CoV-2-Infektionen auf CT-Scans entwickelt.
In ihrem gemeinsamen Paper präsentieren die Forscher einen Ansatz, um die Diagnose durch das Zusammenführen verschiedener Datenquellen zu verbessern und Fehler zu minimieren.
In Testverfahren mit Forschungsdaten erreicht die Methode eine Trefferquote von 92 Prozent – nach aktuellem Stand eines der weltweit besten Ergebnisse in der automatischen Bilderkennung von Infektionen mit SARS-CoV-2 auf einem CT-Scan-Datensatz. Das Besondere an dem Verfahren ist, dass es Ärzten visuell darstellt, worauf die Diagnose basiert.
Das im Paper präsentierte Verfahren nutzt CT-Scans (links) und eine Milchglastrübung (Mitte), um Infektionen mit SARS-CoV-2 ebenso wie akute und chronische Krankheiten zu erkennen – auf einer sogenannten Heatmap (rechts) markiert es für das medizinische Personal, auf welchem Bereich die Diagnose basiert. Quelle: DFKI GmbH
Die hinterlegte Abbildung zeigt den CT-Scan einer Lunge, der durch das Verfahren der automatischen Bilderkennung analysiert wird. Zudem können Patienten durch eine Milchglastrübung auf akute und chronische Krankheiten untersucht werden. Auf einer sogenannten Heatmap markiert das KI-System schließlich den Bereich, auf dem die Entscheidung basiert.
Die visuelle Erklärung des Assistenzsystems hat zum Ziel, die Diagnose nachvollziehbarer zu machen und Medizinern wichtige Einsichten zu liefern: Die automatische Bilderkennung mit hoher Präzision hilft, die Infektion einzuschätzen und die Behandlung zu planen. Gerade bei Engpässen in der medizinischen Versorgung kann diese Entscheidungshilfe ein bedeutender Vorteil ein.
Die Originalpublikation ist im Text und hier verlinkt.
Dieser Text basiert auf einer Pressemitteilung des Deutschen Forschungszentrums für Künstliche Intelligenz GmbH (DFKI).
Bildquelle: Chris Chow, Unsplash
