Vergleich von zwei KI-Software-Tools zur Detektion von inzidentellen pulmonalen Noduli (IPN) in einer Universitätsklinik und einer radiologischen Praxis

Zielsetzung KI-basierte Software-Tools wurden in mehrere Studien zur Lungenkrebsfrüherkennung (LCS) integriert und suchen aktuell ihren Weg in den klinischen Alltag. Ziel dieser Studie war es, die Leistung von zwei KI-basierten Software-Tools zur Detektion inzidenteller Lungenknoten (IPN) im klinischen Setting zu vergleichen.

Material und Methoden Im Beobachtungszeitraum von einem Jahr führten wir eine retrospektive Analyse von zwei Software-Tools (S1 und S2) zur Knotendetektion in 766 klinischen CT-Thorax-Untersuchungen ohne bekannte Malignität in der Vorgeschichte in einer großen Universitätsklinik durch. In 93 dieser Fälle stand eine Voruntersuchung zur Verfügung. Im gleichen Beobachtungszeitraum wurden 186 Fälle mit KI-detektierten Knoten mit einem maximalen Durchmesser ≥ 8mm aus einer radiologischen Praxis in die Studie aufgenommen.

Ergebnisse An der Universitätsklinik wurden Knoten mit einem mittleren Durchmesser von ≥8 mm in 33% bzw. 38% der Fälle von S1 bzw. S2 detektiert. In den Fällen mit einer Voruntersuchung wurden 55% bzw. 49% der Knoten als falsch positiv von S1 bzw. S2 identifiziert. Bei den richtig positiven Knoten wurde bei 10% der Patienten mit beiden Software-Tools eine Volumenverdopplungszeit von <600 Tagen nachgewiesen. In der radiologischen Praxis erwiesen sich 77% (S1) bzw. 79% (S2) der Knoten mit einem Durchmesser ≥ 8mm als falsch positiv.

Schlussfolgerungen Obwohl die beiden getesteten KI-basierten Tools dem Radiologen bei der Detektion der klinisch relevanten Knoten in der CT-Untersuchung helfen können, führt die hohe Rate falsch positiver Ergebnisse bei IPNs mit einem Durchmesser ≥ 8 mm zu einer erhöhten Arbeitsbelastung und bedarf der Verbesserung.

 

MissingLinkText

Publication History

Article published online:
12 April 2024