WIE ZUKÜNFTIGE CAD-SYSTEME KLINISCHE BURNOUTS VERHINDERN KÖNNEN

Kann das heutige CAD-System (Computer Assisted Diagnosis) von Ai & DL Ärzte binden?

Kliniker brennen aus. In einer aktuellen Umfrage der AMA fühlten sich 54 Prozent der Urologen ausgebrannt. Es folgten Spezialisten für:

Neurologie (50 Prozent)

Nephrologie (49 Prozent)

Endokrinologie (46 Prozent)

Familienmedizin (46 Prozent)

Radiologie (46 Prozent)

Die COVID-19-Pandemie verschlimmerte die Situation und führte dazu, dass Gesundheitsgruppen und Krankenhäuser unterbesetzt waren, um mit der drastischen Zunahme von Patienten fertig zu werden.

Technologische Hilfsmittel wie elektronische Patientenakten (EMR) und medizinische Transkription sollten die Arbeit erleichtern. Leider haben sie sich als gemischte medizinische Tüte erwiesen. Es ist also verständlich, warum viele Kliniker das erneute Interesse an der computergestützten Diagnose (CAD) mit einigen Bedenken betrachten. Neue Fortschritte bei künstlicher Intelligenz und maschinellem Lernen (insbesondere Deep Learning) im CAD sollten solche Zweifel hoffentlich verringern.

Warum sowohl CADe als auch CADx fehlgeschlagen sind

Computergestützte Erkennungssysteme (CADe) werden verwendet, um Massen in medizinischen Bildern zu finden. Die computergestützte Diagnose (CADx) sollte den Ärzten helfen festzustellen, ob diese angezeigten Massen gutartig oder bösartig waren. Radiologen waren besonders angetan von der Technik, die es seit Mitte der 1970er-Jahre gibt. Sie hofften, dass beide ihnen ermöglichen würden, die ständig wachsende Zahl medizinischer Bilder schnell und genau zu verwalten.

Leider zeigten Überprüfungen der klinischen Anwendung dieser frühen Systeme nur eine geringe Verringerung der Arbeitsbelastung der Radiologen. Tatsächlich bewirkte es das Gegenteil und erhöhte sie auf 19 Prozent, da die Kliniker gezwungen waren, viele CAD-positive Tags als falsch abzutun, während sie ungekennzeichnete oder unentdeckte neue Massen fanden. Im Jahr 2018 stellte Medicare die Erstattungen für CAD ein.

Vorteile der computergestützten Erkennung

In den USA ist CADe die einzige offiziell von der FDA zugelassene Version. Und das aus gutem Grund. Laut CDC sind die Krebstodesraten in den USA seit 1999 gesunken. In diesem Jahr betrug die Zahl der Krebstoten etwa 200 pro 100.000 Einwohner. Diese Zahl sank auf 144 pro 100.000 im Jahr 2020.

Dieser Rückgang ist für Anbieter wie Radiologen zu einem Preis geworden. Einige müssen möglicherweise 20 bis 100 Scans überprüfen, von denen jeder Tausende von Bildern enthält. Dies kommt zu ihren anderen Aufgaben hinzu:

Patienten sehen

Durchführung von Screening-Tests

umfassende Befundberichte schreiben / diktieren / redigieren

Diskussion der Befunde mit Patienten und anderen Ärzten

Kein Wunder, dass fast 50 Prozent der Radiologen an Burnout leiden.

AI und DL in der computergestützten Diagnose. Ein Gamechanger?

Radiologen hatten gehofft, dass ein CADx-Programm entwickelt werden könnte, um die Zuverlässigkeit medizinischer Bilder so genau zu interpretieren wie ein erfahrener Angehöriger ihres eigenen Fachgebiets.

Unglücklicherweise scannten und interpretierten frühe Versionen solcher Systeme medizinische Bilder unter Verwendung von Programmen, die für einen bestimmten Zweck geschrieben wurden. Das bedeutete, dass jedes Mal ein neues Programm geschrieben werden musste, wenn Kliniker wollten, dass das CAD-System etwas anderes macht. Dies schränkte die diagnostischen Fähigkeiten des Systems ein.

Die Entwicklung künstlicher Intelligenz mit Deep-Learning-Fähigkeiten könnte das endlich ändern.

Künstliche Intelligenz

Mithilfe von Fortschritten in der künstlichen Intelligenz (KI) können zukünftige CAD-Systeme ein Komposit aus einer Vielzahl von Bildern zusammensetzen. Sie können aus verschiedenen Blickwinkeln stammen und sogar aus früheren Scans stammen. Dies ist weitaus effektiver als frühere und aktuelle CAD-Systeme, die jeweils nur ein Bild anzeigen und untersuchen können.

Noch besser ist, dass Scans aus einer Vielzahl von Quellen gezogen werden können. Dazu gehören nicht nur typische Scan-Geräte wie MRT, Ultraschall und digitale Brust-Tomosynthese, sondern auch gezogene aus der EMR, die in einem medizinischen Tablet gespeichert sind. Das Ergebnis ist ein weitaus vollständigeres zusammengesetztes Bild mit weniger Fehlalarmen und fehlenden Massen.

Tiefes Lernen

Deep Learning (DL) sind Algorithmen, die simulieren, wie Menschen etwas lernen. CADx-Systeme verwenden es, um die riesigen Datenmengen zu klassifizieren, die sie von medizinischen Scangeräten erhalten. Die Ergebnisse liegen bereits vor und sehen vielversprechend aus. Es gibt CAD-Systeme, die Netzhautbeurteilungen und Hautläsionsanalysen durchführen, deren Genauigkeit dem menschlichen Niveau entspricht. Andere zeigen eine ähnliche Genauigkeit bei der Erkennung und Bestimmung von Prostatakrebs anhand von MRT-Scans. Schließlich haben CAD mit DL Krebserkrankungen anhand von CT-Scans mit einer Genauigkeit gefunden und bestimmt, die der von Thoraxradiologen entspricht. Zukünftige Radiologen werden mehr Vertrauen in solche CADe- und CADx-Systeme haben und ihnen ermöglichen, eine bessere Patientenversorgung zu gewährleisten.

Abschließende Gedanken

Die computergestützte Erkennung und Diagnose (CAD) erwies sich als vielversprechend für die Unterstützung von Klinikern bei ihrer Arbeit, insbesondere bei der Erkennung von Krebs. Das System ist aufgrund von Einschränkungen in der damaligen Technologie ins Stocken geraten. Neue CAD-Systeme, die Fortschritte in KI und DL nutzen, versuchen, dieses Versprechen endlich einzulösen, da die heutigen Kliniker mit Burnout zu kämpfen haben.

Wenden Sie sich an einen Experten von Cybernet, wenn Sie mehr über alle CAD-Versionen und deren Anwendung in Ihrer medizinischen Gruppe erfahren möchten.