PACS-Workflow statt KI-Silos
Interview mit Prof. Dr. Elmar Kotter, Universitätsklinikum Freiburg
Die Klinik für Diagnostische und Interventionelle Radiologie am Universitätsklinikum Freiburg gehört zu den KI-Pionieren in Deutschland. Bereits in den 1990er Jahren wurde dort mit den frühen Vorläufern Künstlicher Intelligenz (KI) gearbeitet. Im Laufe der Jahrzehnte hat die Klinik alle Evolutionsstufen der Technologie mitgemacht. „Wir sehen KI heute als Sicherheitsnetz für unsere Radiologen und eine Qualitätsverbesserung für unsere Patienten“, betont Prof. Dr. Elmar Kotter, Geschäftsführender Oberarzt und Leiter Informatik und Qualitätsmanagement der Klinik für Diagnostische und Interventionelle Radiologie am Universitätsklinikum Freiburg. Wir haben mit ihm über die Möglichkeiten von KI und die Zusammenarbeit mit Dedalus HealthCare gesprochen.
(c) Prof. Dr. Elmar Kotter, Universitätsklinikum Freiburg
Professor Kotter, wo liegen die Potenziale von KI?
Prof. Dr. Elmar Kotter: Die steigen zunehmend mit dem Aufkommen von Large Language Models (LLM), Foundation Models und Agentensystemen.
LLMs haben tatsächlich ein Riesenpotenzial in der Radiologie und weit darüber hinaus. Ein Beispiel ist die Patientensynopse, also eine automatisierte Zusammenstellung aller wesentlichen Informationen aus der Patientengeschichte. Bei onkologischen Patienten etwa muss sich der Radiologe immer wieder einen Überblick verschaffen, um über die bestmögliche Therapie zu entscheiden. Wenn er sich durch den virtuellen Aktenberg wälzt, kostet ihn das bis zu 15 Minuten pro Fall. KI kann das binnen Sekunden. Ein anderes Beispiel: Wir sind uns einig, dass wir strukturierte Befunde liefern müssen – keine Prosatexte. Dann sind sie für die Zuweiser übersichtlich und vor allem maschinenlesbar. Large Language Models bieten die Möglichkeit, den Fließtext, den der Radiologe mit seinem Diktat produziert, automatisiert in eine strukturierte Form umzuwandeln, ohne dass der Arzt irgendetwas an seiner Arbeitsweise ändern müsste.
Foundation Models werden auf großen Mengen von Bild- und zugehörigen Textdaten überwacht trainiert. Damit entfällt die aufwendige Annotation durch den Radiologen. Zudem sind sie nicht auf eine Pathologie oder Fragestellung beschränkt. Damit stehen wir vor einer zu erwartenden Explosion von KI-Systemen, weil aus einem Modell recht schnell und einfach weitere abgeleitet werden können.
Agentenbasierte Systeme arbeiten autark im Hintergrund und erledigen definierte Aufgaben automatisiert. Auch hier ein Beispiel: Der Radiologe erstellt einen Befund samt Verdachtsdiagnose. Was, wenn die nun nicht mit den Ergebnissen der weiterführenden Diagnostik übereinstimmt? Ein Agent könnte im Patientenkontext ständig die Untersuchungsergebnisse abgleichen und Diskrepanzen an den Radiologen zurückspielen, der einen Alert erhält und ihn verifizieren muss.
Wie sieht die Zusammenarbeit mit Dedalus HealthCare in puncto KI aus, Professor Kotter?
Prof. Kotter: Wir arbeiten gegenwärtig schwerpunktmäßig an der Einführung und Optimierung einer strukturierten Befundung innerhalb des Bilddatenmanagementsystems (PACS). Das macht Sinn, da der Befund zum Bild gehört und sich auf diese Weise beispielsweise sehr viel einfacher gegenseitige Hyperlinks einfügen lassen. Unser Partner hat nach intensivem Austausch ein System entwickelt, das wir nun einführen, testen und mit unserem Feedback weiterentwickeln helfen.
Ein weiteres gemeinsames Projekt ist die Integration von KI-Systemen in den Befundworkflow im DeepUnity PACS. Heute arbeiten die Algorithmen häufig noch autonom. Der Nachteil: Die Ergebnisse werden entweder als Markierungen im Bild oder als PDF ins PACS zurückgespielt und die Radiologen müssen sie manuell übertragen. Wir arbeiten nun daran, dass die Findings der KI als sogenanntes Overlay ins PACS geschickt werden, das die Radiologen an- und ausschalten. Die Ergebnisse können sie danach bestätigen, ablehnen oder modifizieren.
(c) Universitätsklinikum Freiburg/Britt Schilling
In einem weiteren Schritt arbeiten wir an den bereits genannten strukturierten Befunden. Da werden aus dem Diktat die Informationen automatisch in die korrekten Felder im Befund geschrieben. Der nächste Schritt ist, die Ergebnisse der verschiedenen KI-Systeme automatisch in den strukturierten Befund einzubauen, um das fehlerträchtige Diktieren KI-generierter Werte, beispielsweise bei Winkelmessungen, zu vermeiden.
Was sind bisher die Learnings?
Prof. Kotter: Oh, dass es ein schwieriger Prozess ist. Wir stellen das zentrale Element der Radiologie, die Befundung, vom Kopf auf die Füße. Das ist eine Operation am offenen Herzen der Abteilung. Wir stellen über Jahrzehnte etablierte Abläufe infrage und ändern sie. Das bedarf Überzeugungsarbeit.
Wie kann die gelingen?
Prof. Kotter: Voraussetzung sind eine gute KI, stabile Systeme, eine nahtlose Integration und überzeugende Ergebnisse. Die Kollegen müssen Vertrauen gewinnen, das geht nur durch stete Nutzung. Es ist ein Sich-aneinander-Gewöhnen. Jeder Radiologe muss lernen, dass er sich auf die KI verlassen kann, aber trotzdem kritisch bleiben und nicht alles unbesehen akzeptieren darf. Sobald die Kollegen sehen, dass es ihnen Arbeit abnimmt und Zeit spart, wird es sofort akzeptiert.
Vielen Dank für die spannenden Einblicke, Professor Kotter.
Interview: Ralf Buchholz
Dedalus DIREKT – unser Kundenmagazin
Prof. Dr. Elmar Kotter
Geschäftsführender Oberarzt und Leiter Informatik und Qualitätsmanagement der Klinik für Diagnostische und Interventionelle Radiologie am Universitätsklinikum Freiburg« Voraussetzung sind eine gute KI, stabile Systeme, eine nahtlose Integration und überzeugende Ergebnisse. Die Kollegen müssen Vertrauen gewinnen, das geht nur durch stete Nutzung. Es ist ein Sich-aneinander-Gewöhnen. Jeder Radiologe muss lernen, dass er sich auf die KI verlassen kann, aber trotzdem kritisch bleiben und nicht alles unbesehen akzeptieren darf. Sobald die Kollegen sehen, dass es ihnen Arbeit abnimmt und Zeit spart, wird es sofort akzeptiert. »