Akute Lungenembolie: Emergency Radiology bekommt AI-Unterstützung

CT-Angiografie der Pulmonalarterien eines 58-jährigen Patienten mit akuter Atemnot und rechtsseitigen Schmerzen im Brustkorb (links). Man sieht eine geringfügige Kontrastmittelaussparung in der peripheren Segmentaufzweigung des rechten Unterlappens, das laterale und das dorsale Unterlappensegment betreffend. CINA-IPE erkennt die Embolisation korrekt (rechts, roter Kasten).

Time is Health: Unser Motto wird insbesondere verständlich, wenn es um akute Lungenembolien geht. Die Diagnose mit der CT-Angiographie des Pulmonalarterien ist dementsprechend dringend. Die automatisierte Früherkennung positiver Befunde hilft jeder medizinischen Akutstation, die weiss, was es bedeutet, rund um die Uhr eine Vielzahl an Patienten zu begleiten.

Mit grosser Freude präsentieren wir Ihnen CINA-IPE, einen AI-Assistenten für die Erkennung akuter Embolien der Pulmonalarterien in CT-Angiographien.

Warum CINA-IPE bedeutend ist und wie es arbeitet

CINA-IPE berichtet als Triage-Tool im radiologischen Akutbetrieb den Verdacht auf Thrombosen der Pulmonalarterien in CT-Angiographien und ermöglicht die Priorisierung dieser Patienten. Der AI-Assistent verschafft Radiologen und Akutmedizinern eine klare bildliche Befunddarstellung.

Jeder Mediziner kann CINA-IPE für jeden einzelnen Notfallpatienten durch den raschen und einfachen Upload von CT-Angiographien der Pulmonalarterien auf Radailogy einsetzen. In medizinischen Institutionen kann dieser AI-Assistent seine Arbeit auch automatisch im Hintergrund verrichten, um das gewünschte Triage-Potential vollständig auszunützen.

Wer profitiert

Die Triage akuter Lungenembolien ist für alle Beteiligten, also für Patienten, Kliniker und Radiologen, essentiell.

Unsere eigene Erfahrung bei Radailogy

CINA-IPE erkennt Emboli der zentralen und parazentralen Pulmonalarterien mit hervorragender Sicherheit. Die suspizierten Arterien werden in axialen MIPs gekennzeichnet.

Die vom Entwickler angegebenen statistischen Daten der Sensitivität von 86,6%, der Spezifität von 92,7% und der Genauigkeit von 90,0% konnten wir in unseren klinischen Test bestätigen. Unsicherheiten erkannten wir in der Erkennung peripherer Thrombosen. Dies korreliert mit den Angaben des Entwicklers, dass Embolien der subsegmentalen Arterien nicht erkannt werden.

Die wissenschaftliche Evidenz

Grenier PA, Ayobi A, Quenet S, Tassy M, Marx M, Chow DS, Weinberg BD, Chang PD, Chaibi Y. Deep Learning-Based Algorithm for Automatic Detection of Pulmonary Embolism in Chest CT Angiograms. Diagnostics. 2023;13(7), 1324

Schlossman J, Salehi S, Weinberg B, Chow D, Tassy M, Quenet S, Ayobi A, Chaibi Y, Chang P. Validation of a Deep Learning Tool for Automatic Pulmonary Embolism Detection. Am J Respir Crit Care Med. 2023;207:A2607

Daten zum Upload auf Radailogy

CT-Angiographien der Pulmonalarterien jeden CT- Geräteherstellers, axiale Reformationen, Matrixgröße mindestens 512 x 512; Schichtdicke höchstens 2,5 mm, Kontrastierung der zentralen Pulmonalarterien mindestens 100 HU (empfohlen mindestens 130 HU), Weichteil-Rekonstruktionskernel

Tags: No tags

Comments are closed.