Lunit und Agfa Radiology Solutions haben die Integration der KI-Lösung von Lunit für die Thoraxradiologie, Lunit INSIGHT CXR, in die MUSICA®
Workstation angekündigt. Agfa wird eine Demonstration des integrierten Produkts auf dem kommenden European Congress of Radiology (ECR) 2023, der vom 1. bis 5. März in Wien, Österreich, stattfindet, präsentieren. Lunit INSIGHT CXR erkennt verdächtige Läsionen in Röntgenbildern des Brustkorbs und unterstützt Radiologen bei der Unterscheidung von Krankheitsbereichen, indem es die Position der Läsion mit einem Abnormalitäts-Score versieht, der das Vertrauensniveau der KI widerspiegelt. Die KI-Lösung kann 10 der häufigsten Anomalien des Brustkorbs, einschließlich Tuberkulose, mit einer Genauigkeit von 97-99% erkennen. Der neue Workflow für kritische Befunde für Kliniker von Lunit und Agfa benachrichtigt Radiologen automatisch, wenn eine kritische, lebensbedrohliche Erkrankung erkannt wird, wie z. B. Pneumothorax, Pleuraerguss und Pneumoperitoneum. Auf diese Weise können Krankenhäuser die Patientensicherheit durch rechtzeitige Kommunikation mit den Ärzten verbessern, insbesondere in ambulanten Einrichtungen, in denen die Patienten nach den Röntgenuntersuchungen nach Hause gehen. Die MUSICA®-Workstation von Agfa ist eine Bildverarbeitungssoftware, die eine einzige intuitive Benutzeroberfläche für die allgemeine Radiographie, die Fluoroskopie, die Mammographie und die Ganzbein-/Wirbelsäulenuntersuchung (FLFS) bietet. Die Integration von Lunit INSIGHT CXR ist die erste einer Reihe von neuen Funktionen, die in die MUSICA® Workstation eingebettet werden, um Kliniker und Radiologen bei der Erkennung von Pathologien zu unterstützen. Die integrierte Lösung wird am Agfa-Stand Nr. 207 zum ersten Mal öffentlich vorgeführt. Lunit kündigte außerdem eine Posterpräsentation an, in der die Fähigkeit von Lunit INSIGHT CXR, zwischen normalen und abnormalen Thorax-Röntgenbildern zu unterscheiden, vorgestellt wird - eine von 6 Präsentationen, die Lunit auf dem ECR 2023 halten wird. Ziel der Studie war es, die Unterscheidung zwischen normalen und abnormalen Röntgenbildern zu automatisieren und so die Arbeitsliste der Radiologen zu entlasten. Lunit INSIGHT CXR wurde zur retrospektiven Analyse von 1.671 Röntgenbildern aus zwei großen Krankenhäusern in den Niederlanden verwendet. Die Daten wurden nacheinander und ohne jegliche Datenanreicherung gesammelt, um reale Anwendungsfälle zu simulieren. Die Röntgenbilder wurden zunächst von einem Radiologen geprüft und nach 5 Kategorien klassifiziert: normal (548), klinisch irrelevante Befunde (281), klinisch relevante Befunde (327), dringende Befunde (494) und kritische Befunde (21). Lunit INSIGHT CXR zeigte eine sehr hohe AUC von 0,908 für die Erkennung normaler Fälle und bei einer hohen Spezifität von 95% wurde simuliert, dass etwa die Hälfte der normalen Röntgenbilder sicher aus der Arbeitsliste entfernt werden konnte. Die Ergebnisse zeigen also, dass die Arbeitsbelastung für den Radiologen durch den Einsatz von KI erheblich reduziert werden könnte.