gms | German Medical Science

Deutscher Rheumatologiekongress 2022, 50. Kongress der Deutschen Gesellschaft für Rheumatologie (DGRh), 36. Jahrestagung der Deutschen Gesellschaft für Orthopädische Rheumatologie (DGORh), 32. Jahrestagung der Gesellschaft für Kinder- und Jugendrheumatologie (GKJR)

31.08. - 03.09.2022, Berlin

Analyse von Röntgen Thorax durch Programme der künstlichen Intelligenz bei Rheumapatienten vor Um- oder Einstellung der Basistherapie

Meeting Abstract

  • Anne Karen Eiken - Klinik für Rheumatologie und Klinische Immunologie, RUB-Universitätsklinikum JWK Minden, Minden
  • Claus Schneider - Institut für Radiologie, Neuroradiologie und Nuklearmedizin, RUB-Universitätsklinikum JWK Minden, Minden
  • Michael Schmidt - Klinik für Rheumatologie und Klinische Immunologie, RUB-Universitätsklinikum JWK Minden, Minden
  • Julius Niehoff - Institut für Radiologie, Neuroradiologie und Nuklearmedizin, RUB-Universitätsklinikum JWK Minden, Minden
  • Jan Borggrefe - Institut für Radiologie, Neuroradiologie und Nuklearmedizin, RUB-Universitätsklinikum JWK Minden, Minden
  • Gunter Aßmann - Klinik für Rheumatologie und Klinische Immunologie, RUB-Universitätsklinikum JWK Minden, Minden; Jose Carreras Center of Immunogenetics and Gene Therapy, University of Saarland, Homburg

Deutsche Gesellschaft für Rheumatologie. Deutsche Gesellschaft für Orthopädische Rheumatologie. Gesellschaft für Kinder- und Jugendrheumatologie. Deutscher Rheumatologiekongress 2022, 50. Kongress der Deutschen Gesellschaft für Rheumatologie (DGRh), 36. Jahrestagung der Deutschen Gesellschaft für Orthopädische Rheumatologie (DGORh), 32. Jahrestagung der Gesellschaft für Kinder- und Jugendrheumatologie (GKJR). Berlin, 31.08.-03.09.2022. Düsseldorf: German Medical Science GMS Publishing House; 2022. DocDI.02

doi: 10.3205/22dgrh024, urn:nbn:de:0183-22dgrh0249

Veröffentlicht: 31. August 2022

© 2022 Eiken et al.
Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). Lizenz-Angaben siehe http://creativecommons.org/licenses/by/4.0/.


Gliederung

Text

Einleitung: Mit dem Einzug der Künstlichen Intelligenz (KI) in die Medizin hat eine neue Ära der Behandlung und Diagnostik begonnen, auch für Patienten mit entzündlich rheumatischen Erkrankungen.

In der Radiologie ist sie mitunter schon flächendeckend etabliert. Noch gibt es wenig Daten über die Effizienz dieser Technik, die sich rasant weiterentwickelt. Diese retrospektive Analyse soll Aufschluss darüber geben, ob bei Patienten mit rheumatologischer Grunderkrankung der Einsatz der KI in der konventionellen Röntgen Thorax Diagnostik Vorteile mit sich bringt.

Methoden: 102 Patienten mit entzündlich rheumatischer Erkrankungen erhielten in der Routinediagnostik eine Röntgen Thorax Aufnahme vor Einleitung oder Umstellung der DMARDs. Zudem erfolgte durch den/die Radiologen/in im Rahmen eines „second look“ die Auswertung mit KI Analyse. Es wurden nur Aufnahmen in 2 Ebenen in der Auswertung berücksichtigt. Mithilfe von rechnerischen Algorithmen u.a. area under receiver operating characteristics curvue (AUC), lokalisiert das Programm [1] jeden erkannten Befund und weist ihm ein Konfidenzwert von 12–10 zu. Nur Werte > 5 wurden als zuverlässig berücksichtigt. Auffällige Befunde wurden definiert als Lungenläsion (Knötchen, Rundherde), Atelektase, Pneumothorax, Konsolidierung oder Pleuraerguss.

Ergebnisse: 102 Patienten, davon 69 Frauen und 33 Männer, wurden in einem Zeitraum von Oktober 2021–Januar 2022 am JWK UKRUB untersucht. Häufigste Diagnose waren Rheumatoide Arthritis (n=39) SPA (n=10) und PMR (N=9). 39 Patienten hatten in der KI einen positiven Befund. Bei 25 Patienten mit Hinweis auf eine Lungenläsion und bei 19 Patienten Detektion sonstiger Auffälligkeiten wie Atelektase, Pneumothorax, Konsolidierung, Pleuraerguss. 57 Patienten waren in der KI Auswertung unauffällig. 12 von 39 positiv analysierten Patienten (30,8%) erhielten nach dem „second look“ eine CT Thorax Untersuchung. Bei 4 Patienten mit positivem KI Befund (4/39; 10,2%) ergab die CT Untersuchung kein Korrelat und bei 8 Patienten waren sowohl KI als auch das CT Ergebnis (8/39; 20,5%) positiv. Bei 2 Patienten davon konnte in weiteren Untersuchungen ein Bronchialkarzinom gesichert werden.

Schlussfolgerung: Die Studie zeigt auf, dass die KI unterstützte radiologische Befundung, pathologische Veränderungen im Röntgen Thorax mit Hilfe von Algorithmen zuverlässig identifiziert. Die Indikation der erweiterten Diagnostik aber in weniger als einem Drittel durch den/die Radiologen/in als sinnvoll erachtet wird. Dabei stehen 4 falsch positive KI-Befunde im Hinblick auf die CT-Diagnostik 2 „major findings“ (5,1%) mit Erstdiagnose eines Bronchial-CA gegenüber. Die Studie gibt Hinwiese darauf, dass die alleinige Auswertung mit KI Analyse von Röntgen-Thorax-Untersuchungen gegenwärtig nicht vertretbar ist.

Offenlegungserklärung: G. Aßmann: 2020–2021 regelmäßige Vortragstätigkeit für Pfizer, Novartis, BMS und Boehringer-Ingelheim. Die übrigen Autoren geben an, dass kein Interessenskonflikt besteht.

J. Borggrefe: JB received honoraria for scientific lectures/speaker buro from Siemens Healthineers and Philips.

Abbildung 1 [Abb. 1], Abbildung 2 [Abb. 2]


Literatur

1.
Siemens Healthcare GmbH. 2021; Operating Characteristics and Algorithm Performance; AI-Rad Companion Chest X-ray; Version 2.0 – 4th February 2021, Whitepaper. Operating Characteristics and Algorithm Performance; HOOD05162003164069 I Effective Date: 02 FEB 2021.