Interview mit Siemens Healthineers
»Generative KI ist der nächste große Schritt in der Radiologie«
Trotz Pionierarbeit in Digitalisierung und KI: Gegen steigende Fallzahlen und Fachkräftemangel braucht die Radiologie noch effizientere Workflows. Florian Reinhold von Siemens Healthineers erläutert, wie generative Künstliche Intelligenz Klinikprozessen, Radiologen, MTAs und auch Patienten dient.
»GenKI hat nicht nur das Potential für Effizienzsteigerungen, sondern auch für eine Verbesserung der Diagnostik und Patientenversorgung«, sagt der Leiter des Produktmarketings Digital and Automation bei Siemens Healthineers. Das Ziel des Medizintechnik-Herstellers sei es dabei, den Arbeitsaufwand von Routineaufgaben für Radiologen und medizinisch-technische Assistenten (MTAs) zu reduzieren und die Produktivität zu steigern.
Laut Reinhold fokussiert sich der Erlanger Weltkonzern auf vier zentrale Anwendungsbereiche in der GenKI: die Konsolidierung und Aufbereitung von Patientendaten, die Optimierung von Scans und Protokollen, die Unterstützung bei der Befundung und die Verbesserung der Kommunikation zwischen Radiologen, Patienten und zuweisenden Ärzten.
»Generative KI basiert auf der Fähigkeit, aus bestehenden Daten neue Informationen zu generieren. In der Radiologie können wir also aus Patientenhistorien und anderen unstrukturierten Daten verwertbare Informationen extrahieren, die dann in den diagnostischen Prozess einfließen,« erläutert Reinhold den prinzipiellen Nutzen der Large Language Modelle. Siemens Healthineers verfolge dabei »einen integrativen Ansatz, der sowohl generative als auch pixelbasierte KI vereint«. Dies ermögliche es, individuelle Patientenprotokolle zu erstellen und somit die Bildqualität und Diagnostik maßgeblich zu verbessern.
| Generative KI im Klinischen Einsatz: Lungenkrebs-Screening |
|---|
Ein Patient, der im Rahmen eines Lungenkrebs-Screenings auffällig geworden ist, kann durch den Einsatz generativer KI umfassender als bisher diagnostiziert werden. Die Analyse der Patientendaten ermöglicht es, die gesamte Patientenhistorie zu berücksichtigen und den anschließenden CT-Scan und die notwendigen Prozeduren individuell auf den Patienten abzustimmen. Die Scan-Protokolle und Strahlungswerte werden dabei optimal auf die spezifischen Bedürfnisse und Vorerkrankungen des Patienten eingestellt, was potenziell zu qualitativ hochwertigeren Bildern und einer präziseren Diagnose führt. Nach dem Scan können dann klassische »pixelbasierte« KI-Algorithmen automatisch Befunde erstellen, die der Radiologe lediglich überprüfen und bestätigen muss. Die GenKI soll hier einen optimalen Ablauf vorgeben, mit dem Ziel einer genaueren und individuelleren Diagnose und letztlich einem ganzheitlicheren Therapieansatz. Zudem soll die die generative KI als »Übersetzer« dienen, der medizinische Fachbegriffe in eine für den Patienten verständliche Sprache übersetzt. Die Medizin weiß: Wer seinen Befund wirklich versteht, akzeptiert auch die Therapie und ihre Heilungsmaßnahmen besser. Für Radiologen hat sich bereits mit dem Einsatz klassischer KI der manuelle Aufwand erheblich reduziert, generative KI verspricht eine weitere Verringerung der Arbeitsbelastung sowie ein Plus an Effizienz und Genauigkeit in der Befundung. |
Ein wesentlicher Vorteil der generativen KI liegt für Florian Reinhold in der Optimierung der Scaneinstellungen. Durch die Analyse der Patientenhistorie könne der Scan individuell auf den Patienten abgestimmt werden, was zu einer höheren Bildqualität und präziseren Diagnosen führe. Beispielsweise ließe sich bei Kontrastmittelallergien automatisch auf alternative Untersuchungsmethoden umstellen, sagt der Produktexperte. Dies reduziere nicht nur das Risiko für den Patienten, sondern erhöhe auch die Effizienz und Genauigkeit der Untersuchung.
Noch bessere, automatisierte Befunde
Nicht neu, aber mit GenKI deutlich smarter: Für Siemens Healthineers spielt die generative KI neben der technischen Optimierung der Scaneinstellungen auch eine entscheidende Rolle bei der Erstellung von Befunden - in Kombination mit der pixelbasierten KI. Durch die Vorverarbeitung und Analyse der Bilddaten aus MRT- oder CT-Geräten könnten vorläufige Befunde automatisch generiert werden.
»Die pixelbasierte KI erzeugt die besten Bilder,« so Reinhold. »Und die besten Bilder lassen sich nur erzeugen, wenn man über GenKI auch die Patientenhistorie einbezieht«. So könnten Radiologen noch vielfältiger von zeitaufwendigen Routineaufgaben entbunden werden, mit mehr Zeit für komplexere diagnostische Fragestellungen. Die generative KI fungiere für Siemens Healthineers hierbei als unterstützendes Tool, das die klinischen Workflows künftig weiter rationalisiere und deren Produktivität steigere.
Ein weiterer Aspekt, der für das deutsche Medizintechnik-Flaggschiff im Fokus der GenKI-Nutzung steht, ist die Verbesserung der Kommunikation zwischen Radiologen, Patienten und Zuweisern. Laut Florian Reinhold »lassen sich Patienten durch die Generierung verständlicher und visualisierter Befunde besser über ihren Gesundheitszustand informieren«. Dies fördere nicht nur das Verständnis und die Akzeptanz der Diagnose, sondern kann auch zu einer besseren Compliance führen. Auch für Zuweiser werde die Interpretation der Befunde leichter, was die interdisziplinäre Zusammenarbeit optimiert.
| Klassische KI | Generative KI |
|---|---|
| Technische Bild- und Scanqualität | Einbeziehung der Patientenhistorie |
| Bilderkennung von Läsionen sowie anderen Indikationen und Veränderungen | Optimierte Scan- und Aufnahme-Einstellungen |
| Automatisierte Messdaten und -werte | Effektivere Befunderstellung und Workflows |
| Nachprozessierung für Zufallsbefunde | Automatisierte Arztbriefe |
| Anleitung von medizinischen Fachkräften | Verbesserte Patientenkommunikation |
Regulatorische und technologische Hürden
Die Einführung generativer KI in der Medizin im Allgemeinen und in der Radiologie im speziellen steht allerdings vor regulatorischen und technologischen Herausforderungen. Siemens Healthineers setzt laut Reinhold in der Entwicklung sowohl auf eigene LLMs, nutzt aber auch bestehende, am Markt verfügbare Modelle.
»Unsere Innovationsabteilung versucht immer herauszufiltern, was für das jeweilige Projekt am meisten Sinn macht«. Im Falle der Kollaboration mit dem Uniklinikum Essen haben die gemeinsam entwickelten Algorithmen für den angedachten Anwendungsfall ein besseres Ergebnis geliefert als z.B. ChatGPT. »Die Modelle müssen vor allem gut trainiert werden. Nicht nur für die korrekte Informationsbereitstellung, sondern auch, um Halluzinationen oder z.B. die Diskriminierung einzelner Patientengruppen auszuschließen.«
Die Zulassung neuer, KI-basierter Medizinprodukte und Softwarelösungen erfordert umfangreiche Nachweise hinsichtlich der Sicherheit und Wirksamkeit sowie eine länderspezifische Anpassung der Software-Stacks an regionale Gesetze, Vorschriften und Datenschutzrichtlinien. »Die regulatorischen Hürden sind eine große Herausforderung, insbesondere aufgrund der strengen Datenschutzrichtlinien in Europa,« sagt Florian Reinhold. Der Medizintechnik-Riese setzt dabei auf eine enge Zusammenarbeit mit regulatorischen Behörden und vor allem einen lokalen Ansatz sowie Klinikpartnerschaften für den regelkonformen und sicheren KI-Einsatz.
»Wir planen, die Algorithmen direkt vor Ort in den Kliniken zu trainieren, damit die Daten das Krankenhaus nicht verlassen müssen. Zudem arbeiten wir daran, unsere Scanner-Software so zu aktualisieren, dass sie die neuen, optimierten Protokolle automatisch anwenden«. Eine nahtlose Integration in die vorhandenen Krankenhausinformationssysteme sei laut Florian Reinhold ebenso unerlässlich.
Wann kommt GenKI in die klinische Praxis?
Während generative KI seit 2023 in der Welt ist, brauchen die für einen Einsatz in Medizingeräten, Krankenhäusern und damit ‚am Patienten‘ erforderlichen Schritte und Zulassungsverfahren Zeit. »Wir führen umfangreiche Studien durch, um den Nutzen und die Sicherheit unserer Technologien nachzuweisen. Das ist aufwändig und dauert, aber wir sind gut vorbereitet und arbeiten eng mit den entsprechenden Behörden zusammen,« betont Florian Reinhold in Hinblick auf die Geräte- und Patientensicherheit. Pixelbasierte Algorithmen für Europa und die USA seien bereits freigegeben, aktuell arbeite der Konzern an deren Zulassung für China. »Einen Big Bang wird es nicht geben«, umreißt Reinhold die stufenweise Überführung der GenKI-Modelle in die radiologische Praxis. »Aber wir arbeiten zudem intensiv mit Kollaborationskunden zusammen und hoffen, in den nächsten Jahren erste Implementierungen zu zertifizieren.«
Siemens Healthineers sieht ein enormes Potenzial für den Einsatz von generativer Künstlicher Intelligenz, gerade weil die Radiologie aktuell vor gewaltigen Herausforderungen stehe. Dazu gehören laut Reinhold u.a. eine höhere Anzahl an Untersuchungen durch eine alternde Bevölkerung sowie der damit korrespondierende, massive Fachkräftemangel, der sich in den nächsten Jahren noch verstärken werde. Für den Produktexperten könnte die Technologie einen entscheidenden Beitrag leisten: »Wir brauchen neue Ansätze. Generative KI steht für eine individualisierte und präzisere Diagnostik und soll Radiologen und MTAs entlasten sowie die Patientenkommunikation verbessern«.
Langfristig möchte der Erlanger Weltkonzern also nicht nur die Effizienz und Genauigkeit der Diagnostik verbessern, sondern auch gute Arbeitsbedingungen für medizinisches Fachpersonal und die Attraktivität von Radiologie-Jobs fördern. »Unser Ziel ist es, Routineaufgaben zu automatisieren, damit sich Fachkräfte auf komplexere und wertschöpfende Tätigkeiten konzentrieren können«, erläutert Reinhold den daraus folgenden wirtschaftlichen Nutzen für die Kliniken. Neben den klaren Vorteilen für die Ärzte und die Prozesse im Krankenhaus wird generative KI auch über die sogenannten weichen Faktoren punkten, schließt Reinhold: » Für die Patienten erhoffen wir uns eine schnellere Diagnose und Behandlung sowie bessere Heilungschancen.«
