Rofo 2022; 194(S 01): S50
DOI: 10.1055/s-0042-1749895
Abstract
Vortrag (Wissenschaft)
Thoraxradiologie

Quantitative Erfassung und Differenzierung unterschiedlicher Pneumonien inklusive COVID-19 mittels eines KI-basierten Prototypen – Genauigkeit, Schweregradeinschätzung und Korrelation zur Klinik.

Authors

  • U Ebong

    1   Universitätsklinikum Ulm, Klinik für diagnostische und interventio, Ulm

  • M Büttner

    2   Klinik für diagnostische und interventionelle Radiologie, Universitätsklinikum Ulm, Ulm

  • C Kloth

    2   Klinik für diagnostische und interventionelle Radiologie, Universitätsklinikum Ulm, Ulm

  • B Grüner

    3   Klinische Infektiologie, Universitätsklinikum Ulm, Ulm

  • T Stamminger

    4   Institut für Virologie, Universitätsklinikum Ulm, Ulm

  • S Stenger

    5   Institut für medizinische Mikrobiologie und Hygiene, Universitätsklinikum Ulm, Ulm

  • F Rauch

    6   Siemens Healthineers, Erlangen

  • C Panknin

    6   Siemens Healthineers, Erlangen

  • M Beer

    2   Klinik für diagnostische und interventionelle Radiologie, Universitätsklinikum Ulm, Ulm
Further Information
Also available at
 

Zielsetzung Die Differenzierung unterschiedlicher Ätiologien von Pneumonien in der CT ist grundlegend für die Therapieentscheidung. Ein für die Detektion von COVID-19 Pneumonien optimierter KI-basierter Software-Prototyp wurde hinsichtlich Genauigkeit und Differenzierungspotential für unterschiedliche Pneumonie-Ätiologien (bakteriell, fungal und viral) evaluiert.

Material und Methoden CT-Thorax-Untersuchungen von 143 PatientInnen (Alter 18-95 Jahre, Median 59 Jahre, davon 57 Frauen) mit gesicherter (PCR/AK-Nachweis/BAL/Kultur) bakterieller (24), viraler (52), oder fungaler (24) Pneumonie sowie (43) ohne nachgewiesene Pneumonien (Vergleichsgruppe) wurden mittels des KI-basierten Pneumonia Analysis Prototype (Siemens Healthineers, Germany) ausgewertet. Das Scoring (Ausmaß, Ätiologie) wurde mit der Einschätzung eines erfahrenen Readers verglichen. Eine Korrelation der Infektionsausprägung im CT mit klinischen Parametern erfolgt derzeit.

Ergebnisse Die Bildqualität der CT-Untersuchungen war gut bis sehr gut (nach PGMI Klassifikation, davon 89% PGMI = 1 oder 2). Die mittlere Bearbeitungsdauer betrug 3 Minuten und 22 Sekunden. Manuelle Korrekturen der Pneumoniegrenzen waren bei 64 Datensätzen (45%) in größerem Ausmaß notwendig. Eine Kontrastmittelgabe hatte keinen Einfluss auf das Korrekturausmaß (major Korrektur bei 51% mit, 42% ohne KM). Die KI-basierte COVID-19 probability erkannte 38/52 (73%) SARS-CoV-2 PatientInnen, der radiologische Reader erkannte 42/52 (81%). In der Vergleichsgruppe wurden 25/43 (58%) als erkrankt eingestuft.

Schlußfolgerungen Die Detektion und Quantifizierung von Pneumonien unterschiedlicher Ätiologien jenseits der primär trainierten COVID-19 Datensätze mittels des „Pneumonia Analysis prototype “ ist möglich und zeigt für COVID-19 Pneumonien vergleichbare Ergebnisse mit einem erfahrenen Reader. Vorteile sind die schnelle automatisierte Segmentierung und Quantifizierung der Pneumonieherde, wie eine relativ gute Übertragbarkeit auf Pneumonien anderer Ätiologien.



Publication History

Article published online:
29 August 2022

© 2022. Thieme. All rights reserved.

Georg Thieme Verlag
Rüdigerstraße 14, 70469 Stuttgart, Germany