de.wedoany.com-Bericht: Eine aktuelle Studie zeigt, dass Künstliche Intelligenz die Effizienz in der CT-Bilderfassungsphase deutlich steigern kann. Canon Medical verglich in Zusammenarbeit mit dem Royal Bournemouth Hospital zwei CT-Systeme – die KI-gestützte Plattform Aquilion ONE INSIGHT Edition und die nicht KI-gestützte Aquilion ONE GENESIS Edition – und stellte fest, dass das KI-gestützte System die Scanzeit um bis zu 53 % verkürzen und die Anzahl der Benutzerinteraktionen um 45 % reduzieren kann.
Die im Journal of Medical Imaging and Radiation Sciences veröffentlichte Studie weist darauf hin, dass das Gesundheitssystem unter Druck steht, die diagnostische Kapazität zu erweitern und Wartezeiten zu verkürzen. Für radiologische Teams ist dieser Druck besonders alltäglich, da sie mit denselben Ressourcen mehr Scans durchführen und zunehmend komplexe Arbeitsabläufe bewältigen müssen. Bisher konzentrierte sich der Einsatz von KI in der Radiologie hauptsächlich auf die Bildinterpretation, doch die Ergebnisse dieser Studie unterstreichen das Potenzial der KI, bereits in frühen Phasen des Prozesses Einfluss zu nehmen.
In der Studie wurden vier gängige CT-Protokolle bewertet. Zwölf zertifizierte diagnostische Radiologietechnologen führten Scans mit beiden Systemen unter standardisierten Einstellungen durch, wobei die Protokolle Bildgebung des Gehirns, des Brustkorbs, des Abdomens und des Beckens umfassten. In jedem Fall ermöglichte die KI-gestützte Plattform schnellere Erfassungszeiten und reduzierte den manuellen Eingabebedarf.
Jeder Schritt des traditionellen Scan-Workflows umfasst eine Reihe manueller Schritte, von der Patientenpositionierung bis zur Auswahl der Scanparameter, was Zeit und Komplexität für die Radiologietechnologen erhöht. Im Gegensatz dazu unterstützt die KI-gestützte Plattform Technologien wie 3D-Landmarken-Scans und anatomische Landmarkenerkennung, um die automatische Scanplanung und -positionierung zu ermöglichen, den korrekten Scanbereich und das Sichtfeld zu bestimmen, den manuellen Anpassungsbedarf zu reduzieren und den Gesamtablauf zu vereinfachen. Frühere verwandte Studien haben ebenfalls gezeigt, dass solche automatischen Methoden Über-Scans bei routinemäßigen Brustkorb-, Abdomen- und Beckenbildgebungen reduzieren und so unnötige Strahlendosen für Patienten senken können.
Die Forscher fanden zudem keinen signifikanten Zusammenhang zwischen dem Erfahrungsniveau der Radiologietechnologen und den Leistungsergebnissen, was darauf hindeutet, dass die Technologie dazu beitragen könnte, konsistentere Arbeitsabläufe in Teams mit unterschiedlichem Fachwissen zu erreichen. Huw Jones, CT-Geschäftsbereichsleiter von Canon Medical Systems UK, erklärte, dass eine Reduzierung der für jeden Scan erforderlichen Zeit und Schritte nicht nur die Effizienz steigere, sondern auch mehr Zeit für die Patientenversorgung schaffe und so das Patientenerlebnis verbessere. Langfristig könne selbst eine geringe Zeitersparnis pro Scan in sinnvolle betriebliche Gewinne umgesetzt werden.
Insgesamt deuten diese Ergebnisse darauf hin, dass KI-gestützte Erfassungsplattformen das Potenzial haben, CT-Workflows tatsächlich zu verbessern, Abteilungen dabei zu helfen, die Untersuchungskapazität zu steigern und gleichzeitig die Konsistenz in der täglichen Praxis zu wahren. Mit der steigenden Nachfrage nach Bildgebung gewinnen solche Lösungen zur Straffung und Beschleunigung von Scans zunehmend an Bedeutung für die Unterstützung klinischer Teams und Patientenversorgungspfade.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
