Format:
Online-Ressource
ISSN:
2567-5788
Content:
Die Nutzung Künstlicher Intelligenz (KI) in der Neuroradiologie bietet vielversprechende Perspektiven für die Diagnose und Verlaufsbeurteilung neurologischer Erkrankungen. Dabei hat es in den letzten Jahren insbesondere Fortschritte im Bereich der Segmentierung, aber auch der Clinical Decision Support (CDS) Systeme gegeben. Die Vorteile der KI-basierten Bildsegmentierung liegen in ihrer Geschwindigkeit, Genauigkeit und Reproduzierbarkeit im Vergleich zur manuellen Analyse durch Radiologen. Dies ermöglicht eine effizientere Auswertung großer Datenmengen und die Quantifizierung von Gewebestrukturen, z. B. für eine bessere Beurteilung des Therapieverlaufs. Ein weiterer Entwicklungsfokus von KI-Algorithmen liegt im Bereich der klinischen Entscheidungsunterstützung (CDS). Maschinelles Lernen ermöglicht komplexe medizinische Szenarien zu analysieren und prädiktive Modelle abzuleiten. Klinische Untersuchungen hierzu gibt es beispielsweise in der Notfall- und Schlaganfallbildgebung. Trotz erster positiver Ergebnisse in klinischen Studien bestehen weiterhin Herausforderungen für den klinischen Einsatz von KI-basiertem CDS, v. a. in Bezug auf deren Erklär- und Interpretierbarkeit.
Content:
Abstract: The use of artificial intelligence (AI) in neuroradiology offers promising perspectives for the diagnosis and disease course assessment of neurological diseases. In this regard, there has been progress in recent years, particularly in the field of image segmentation, but also in clinical decision support (CDS) systems. The advantages of AI-based image segmentation are its speed, accuracy, and reproducibility compared to manual analysis by radiologists. This allows for more efficient analysis of large amounts of data and enables quantification of tissue volumes, e. g., for more objective tracking of disease progression and better therapy monitoring. Another development focus of AI algorithms is in CDS. Machine learning enables complex medical scenarios to be analyzed and predictive models to be derived. Clinical research on this exists in emergency and stroke imaging, for example. However, regulatory and explainability challenges remain in implementing AI-based CDS in clinical practice.
In:
volume:42
In:
number:09
In:
year:2023
In:
pages:621-625
In:
Nervenheilkunde, Stuttgart : Thieme, 2002-, 42, Heft 09 (2023), 621-625, 2567-5788
Language:
German
URN:
urn:nbn:de:101:1-2023101910580356297669
URL:
https://doi.org/10.1055/a-2133-2138
URL:
https://nbn-resolving.org/urn:nbn:de:101:1-2023101910580356297669
URL:
https://d-nb.info/1306580471/34
Bookmarklink