Lunit hat angekündigt, dass das Unternehmen acht Abstracts auf der Jahrestagung 2023 der Radiograph Society of North America (RSNA) in Chicago vom 26. bis 30. November vorstellen wird. Drei davon werden mündlich präsentiert, die restlichen fünf werden als ePoster vorgestellt. In einer mündlichen Präsentation untersucht Lunit die Effektivität eines neu entwickelten KI-Modells mit Normalfilterung (NF) bei der autonomen Befundung normaler Thorax-Röntgenbilder.

Die Forschung bewertet die Sensitivität der KI bei der Erkennung von Anomalien, den Anteil der Thorax-Röntgenbilder, die von der Berichterstattung ausgeschlossen werden können, und die kombinierte Wirkung von Lunit INSIGHT CXR, einer kommerziell erhältlichen (CA) KI, die vordefinierte Befunde erkennt. Das NF-Modell zeigte eine durchschnittliche Sensitivität von 97,8 %, wenn ein Spezifitätsschwellenwert von 50 % angewandt wurde, was zu einer Reduzierung der meldepflichtigen Thorax-Röntgenbilder um insgesamt 22 % führte. Darüber hinaus entdeckte das CA-Modell zusätzliche 16,7 % der übersehenen klinisch bedeutsamen Anomalien, was es zu einem wertvollen Sicherheitsnetz macht.

Die Studie zeigt, dass die KI zur Normalfilterung das Potenzial hat, die Arbeitsbelastung von Radiologen zu verringern, und dass Lunit INSight CXR als wichtiger Schutzmechanismus fungiert, um zu verhindern, dass potenzielle Anomalien übersehen werden. Lunit plant, sein Engagement für innovative KI-Lösungen in der Radiologie durch die offizielle Einführung des NF-Modells in naher Zukunft zu verstärken. Lunit untersucht auch mammographische Parenchym-Muster und longitudinale Veränderungen, um ein KI-Modell zur Vorhersage des zukünftigen Brustkrebsrisikos zu entwickeln.

Das KI-Modell, das anhand von seriellen 16.113 digitalen Vollfeld-Mammogrammen von über 9.000 Frauen entwickelt wurde, zeigte eine verbesserte Risikovorhersage mit AUCs von 0,75 bei 1-Jahres-, 0,76 bei 2-Jahres- und 0,73 bei 3-Jahres-Ergebnissen. Diese Studie zeigt die Machbarkeit eines KI-Prädiktionsmodells zur Identifizierung mammographischer Parenchym-Merkmale, zur Verbesserung der Risikostratifizierung durch Längsschnittveränderungen und zur Beschleunigung der personalisierten Brustkrebsvorsorge. Darüber hinaus stellt ein schwedisches Forschungsteam unter der Leitung von Dr. Karin Dembrower, Oberärztin der Mammographie-Klinik des Capio S:t Goran Hospital, Erkenntnisse aus der Teilstudie der ScreenTrustCAD-Studie vor.

ScreenTrustCAD ist die weltweit erste prospektive Studie zur KI in der bevölkerungsweiten Brustkrebsvorsorge, die in der Zeitschrift Lancet Digital Health veröffentlicht wurde. Die Studie hat gezeigt, dass Lunit INSIGHT MMG in Kombination mit einem Lesegerät eine bessere Krebserkennung erzielt als zwei menschliche Lesegeräte, ohne die Rückrufquote zu erhöhen.