Impact of AI-assisted chest radiography on clinical decision-making: A temporal analysis of CT referral rates and the proportion of positive CT in cardiology outpatient setting

In den stillen, oft übersehenen Ecken eines Krankenhauses werden täglich tausende Routine-Thorax-Röntgenaufnahmen gemacht. Für einen Patienten, der einen Kardiologen aufsucht, ist dieses Bild primär eine Landkarte des Herzens selbst, die dessen Größe, Form und die Gesundheit der versorgenden Gefäße zeigt. Das Auge des Arztes ist darauf geschult, Anzeichen von Herzinsuffizienz oder Klappenfehlern zu finden. Doch die Lungen liegen direkt hinter dem Herzen, und sie können Probleme verbergen, die überhaupt nichts mit dem Herzen zu tun haben. Ein kleiner Fleck, der ein frühes Anzeichen für Lungenkrebs sein könnte, oder ein Bereich einer Infektion, kann leicht übersehen werden, wenn der Arzt auf das Herz konzentriert ist. Hier tritt die künstliche Intelligenz in die Geschichte ein. Diese Computerprogramme sind darauf ausgelegt, medizinische Bilder zu scannen und Bereiche hervorzuheben, die Aufmerksamkeit erfordern könnten – wie ein zweites Paar Augen, das niemals müde wird. Die große Frage für die Ärzte ist nicht nur, ob der Computer diese verborgenen Stellen finden kann, sondern ob das Sehen dieser Stellen tatsächlich die Entscheidung des Arztes über das weitere Vorgehen beeinflusst. Hilft der Computer dem Arzt dabei, ernstere Erkrankungen zu entdecken, oder erzeugt er lediglich eine Flut unnötiger Alarme?

Forscher am Yongin Severance Hospital in Südkorea gingen dieser Frage nach, indem sie beobachteten, wie Kardiologen über einen Zeitraum von vier Jahren ein spezifisches Werkzeug der künstlichen Intelligenz nutzten. Sie untersuchten fast 9.300 erwachsene Patienten, die zum ersten Mal eine kardiologische Klinik aufsuchten und eine Thorax-Röntgenaufnahme erhielten. Während dieses gesamten Zeitraums nutzte das Krankenhaus ein kommerzielles Softwaresystem, das jede Röntgenaufnahme automatisch analysierte. Die Software suchte nicht nur nach Herzproblemen; sie war auch darauf programmiert, Probleme in der Lunge zu erkennen, wie etwa Knoten, Flüssigkeitsansammlungen oder Anzeichen einer Infektion. Das System fügte dem Röntgenbild einen Bericht bei, markierte verdächtige Bereiche und vergab einen Score, um anzugeben, wie wahrscheinlich es war, dass etwas nicht in Ordnung war. Die Forscher wollten sehen, ob die Anwesenheit dieses digitalen Assistenten das Verhalten der Ärzte veränderte. Insbesondere verfolgten sie, wie oft die Kardiologen entschieden, eine detailliertere Untersuchung, eine Thorax-Computertomographie (CT), anzuordnen, und ob diese CT-Scans tatsächlich etwas fanden, das einer Behandlung bedurfte.

Die Studie unterteilte die Patienten in zwei Gruppen basierend auf ihrem Besuch: eine frühere Periode und eine spätere Periode. Im Laufe der Zeit, während die Ärzte das Werkzeug der künstlichen Intelligenz weiterhin nutzten, bemerkten die Forscher eine klare Verhaltensänderung. Die Rate, mit der Kardiologen CT-Scans anordneten, stieg signifikant an. In der ersten Hälfte der Studie wurden etwa 1,6 Prozent der Patienten für einen CT-Scan überwiesen. In der zweiten Hälfte hatte sich diese Zahl mehr als verdoppelt auf 3,3 Prozent. Dies war keine bloße zufällige Schwankung; die Daten zeigten einen stetigen, jährlichen Anstieg der Überweisungen. Viel wichtiger war, dass die Forscher feststellten, dass dieser Anstieg nicht nur darauf beruhte, mehr Tests ohne Grund anzuordnen. Der Anteil jener CT-Scans, die tatsächlich ein ernstes, behandlungsbedürftiges Problem aufzeigten, stieg ebenfalls an. Zu Beginn zeigten etwa 34 Prozent der überwiesenen CT-Scans etwas Signifikantes, wie eine aktive Infektion oder eine verdächtige Masse. Bis zum Ende der Studie war dieser Wert auf fast 47 Prozent gestiegen.

Dieses Ergebnis deutet darauf hin, dass die Ärzte, während sie mehr Erfahrung mit dem Werkzeug der künstlichen Intelligenz gewannen, besser lernten zu wissen, wann sie dessen Warnmeldungen vertrauen sollten. Zu Beginn mochte es so wirken, als würde der Computer zu viele Dinge markieren, aber im Laufe der Zeit lernten die Ärzte, zwischen geringfügigen, harmlosen Befunden und solchen, die wirklich eine weitere Untersuchung erforderten, zu unterscheiden. Die Studie stellte auch fest, dass die Ärzte in vielen Fällen den CT-Scan anordneten, noch bevor der offizielle Bericht eines menschlichen Radiologen erstellt worden war. Dies unterstreicht die Geschwindigkeit, mit der das Werkzeug der künstlichen Intelligenz Informationen bereitstellte, was es dem Kardiologen ermöglichte, sofort eine Entscheidung zu treffen, während der Patient noch in der Klinik war. Die Forscher beobachteten, dass das Werkzeug besonders effektiv darin war, unerwartete Lungenprobleme bei Patienten zu finden, die wegen Herzbeschwerden gekommen waren – einer Gruppe von Patienten, bei denen Ärzte sonst vielleicht nicht genau auf die Lunge achten würden.

Die Autoren der Studie merken vorsichtig an, dass sie nicht mit absoluter Gewissheit sagen können, dass die künstliche Intelligenle allein diese Veränderungen verursacht hat. Es ist möglich, dass andere Faktoren, wie etwa die schlichtweg größere Erfahrung der Ärzte über die Jahre oder Änderungen an der Software selbst, eine Rolle spielten. Die Software wurde während des Studienzeitraums aktualisiert und wurde besser darin, ein breiteres Spektrum an Lungenproblemen zu erkennen, was zu den Ergebnissen beigetragen haben könnte. Die Daten legen jedoch stark nahe, dass die Integration dieser Technologie in den täglichen Arbeitsablauf den Ärzten half, mehr Patienten zu identifizieren, die eine weitere Versorgung benötigten. Die Studie fand keine Belege dafür, dass das Werkzeug zu einer Flut unnötiger Tests führte, die sich als harmlos herausstellten; stattdessen waren die angeordneten Tests zunehmend wahrscheinlicher die richtigen.

Letztendlich zeichnet diese Forschung das Bild einer langsamen, aber stetigen Anpassung. Sie zeigt, dass es Zeit braucht, bis menschliche Ärzte lernen, wie sie in einem medizinischen Umfeld effektiv mit künstlicher Intelligenz zusammenarbeiten. Das Werkzeug ersetzte nicht das Urteilsvermögen des Arztes; vielmehr schien es dessen Urteilsvermögen zu schärfen und half den Spezialisten dabei, ihre Aufmerksamkeit auf die Patienten zu richten, die sie am dringendsten benötigten. Die Studie kommt zu dem Schluss, dass die künstliche Intelligenle bei kontinuierlicher Anwendung ein wertvoller Partner in der klinischen Entscheidungsfindung werden kann, der hilft sicherzustellen, dass unerwartete gesundheitliche Probleme frühzeitig erkannt werden – selbst bei Patienten, die aus einem völlig anderen Grund vorstellig wurden. Die Geschichte hier ist nicht die einer Maschine, die das Kommando übernimmt, sondern die eines Teams, das lernt, zusammenzuarbeiten, um die Patientenversorgung zu verbessern.