Blind Sweeps und künstliche Intelligenz in der pränatalen Sonograpie – ein systematischer Überblick aktueller Evidenz

Hintergrund Die Interpretation pränataler Ultraschallbilder erfordert spezialisierte Fachkenntnisse, die in ressourcenarmen Regionen oft nicht verfügbar sind. Vordefinierte "blind sweeps", also standardisierte Ultraschalldurchläufe durch Laien, könnten mittels künstlicher Intelligenz (KI) automatisch ausgewertet werden und so den Zugang zur pränatalen Versorgung verbessern.

Methoden Gemäß PRISMA-Guidelines wurde eine strukturierte Literaturrecherche in PubMed für den Zeitraum 2009 bis April 2025 durchgeführt. Eingeschlossen wurden Originalarbeiten, in denen KI-Modelle zur Interpretation standardisierter, durch Laien durchgeführter Ultraschallsweeps (sog. „blind sweeps“) angewendet wurden. Die Studien wurden hinsichtlich Datengrundlage, Sweep-Protokoll, Modellarchitektur und diagnostischer Zielgrößen systematisch ausgewertet.

Ergebnisse Von 214 identifizierten Publikationen erfüllten 12 Studien die Einschlusskriterien. Die häufigsten Anwendungen der KI-Modelle waren die Schätzung des Gestationsalters (41%), fetale Pathologien, wie Herzfehler und Hüftdysplasien (25%) sowie die Einschätzung der Plazentalokalisation (17%). Mehrere Modelle zeigten dabei eine vergleichbare Genauigkeit zur Experten-Sonographie, teils auch bei Verwendung mobiler Endgeräte und Laienbedienung.

Schlussfolgerung KI-Modelle zeigen großes Potenzial zur Erweiterung der pränatalen Versorgung, insbesondere in unterversorgten Regionen. Die Genauigkeit ist in bestimmten Anwendungen hoch, doch die geringe Erklärbarkeit ("Black Box") und die begrenzte Datengrundlage stellen Herausforderungen dar. Künftige Forschung sollte sich auf erklärbare KI und klinisch relevante Zielgrößen konzentrieren.

Publikationsverlauf

Artikel online veröffentlicht:
16. Oktober 2025