CT des Thorax eines Patienten mit einer kolorektalen Krebsanamnese. In der Voruntersuchung vom 13. Juni 2023 sind zwei Rundherde im Unterlappen der linken Lunge ersichtlich (links). Rayscape Lung CT gibt den Durchmesser und das Volumen der Patholgien an. Im Follow up-CT vom 29. September 2023 sind diese Rundherde im Durchmesser um 29,8 % bzw. 27,9 % und im Volumen um 211,3 % bzw. 20,4 % progredient. Darüber hinaus finden sich in der abgebildeten Ebene der Unterlappen drei neue Rundherde. Rayscape Lung CT markiert diese drei Läsionen als neu und gibt ihren Durchmesser, ihr Volumen und ihre Morphologie (rechts) an.
Lungenrundherde treten allein in Europa bei mehr als zwei Millionen Menschen pro Jahr auf. Gleichzeitig liegt die Sterblichkeitsrate durch Lungenkrebs weltweit bei etwa zwei Millionen jährlich. Ihr Anstieg wird in 10-Jahresintervallen mit ca. 30 % berichtet. Bereits diese wenigen Zahlen verdeutlichen die hohe Verantwortung, die Radiologen bei der Befundung von Computertomographien des Thorax tragen. Und wie zeitaufwändig diese Aufgabe ist, wird besonders erkennbar, wenn es darum geht, Lungenrundherde bei jedem einzelnen Patienten anhand von Voruntersuchungen zu beurteilen.
Mit grosser Freude präsentieren wir Ihnen Rayscape Lung CT, einen AI-Assistenten für die Erkennung von Lungenrundherden in CT-Untersuchungen.
Warum Rayscape Lung CT bedeutend ist und wie es arbeitet
Rayscape Lung CT identifiziert pulmonale Rundherde von 3 bis 30 mm Durchmesser. Eine wichtige Funktion ist der automatisierte Befundvergleich der Rundherde von CT-Untersuchung zu CT-Untersuchung.
Die Resultate werden tabellarisch berichtet und innerhalb der CT-Bilder visualisiert. Jeder einzelne Rundherd wird mit seiner exakten Lokalisation, Durchmesser, Volumen und insbesondere seiner Morphologie beschrieben. Diese klaren Befunddarstellungen sind eine essentielle Unterstützung für den Wissenstransfer von Radiologen zu Patienten und Ärzten. Rayscape Lung CT kann sowohl für einzelne Patienten als auch im Vollbetrieb onkologischer Abteilungen eingesetzt werden.
Wer profitiert
Patienten, Kliniker und Radiologen durch das zuverlässige Erkennen von Lungenrundherden mit klarer Befunddarstellung in Tabellen und Bildern. Sowohl im Screening als auch im therapeutischen onkologischen Setting ermöglicht der AI-Assistent mit seiner genauen Analyse eine rechtzeitige und individuelle Behandlung.
Unsere eigene Erfahrung bei Radailogy
Rayscape Lung CT weist in unserem eigenen Patientenkollektiv hohe Werte für PPV, NPV und Sensitivität von jeweils mehr als 97 % auf. Die Sensitivität in der korrekten Erkennung von pulmonalen Rundherden beträgt bei uns über 93%. Rundherde werden präzise mit den Parametern Durchmesser, Volumen und der morphologischen Charakteristika beschrieben. Im Follow up werden bis zu drei CT-Studien verglichen. Neu aufgetretene Rundherde werden als solche ausgewiesen. Insbesondere der automatisierte Vergleich mehrerer Lungen-CTs bringt uns für jeden einzelnen Patienten jeden Tag einen erstaunlichen Zeitgewinn und die gewünschte zusätzliche Sicherheit in der Vollständigkeit unserer Befunde.
Rayscape Lung CT ermittelt für jede Studie eine Risikoanalyse anhand der etablierten Fleischer-Kriterien. Wir erkennen diesen Zusatz als sinnvoll an, haben ihn allerdings in der täglichen Praxis nicht oft zur Befundbesprechung mit Klinikern und Patienten herangezogen.
Der AI-Assistent erkennt, wie beschrieben, Lungenrundherde mit hoher Zuverlässigkeit. Uns fiel auf, dass im therapeutischen onkologischen Setting Primärtumoren von mehr als 30 mm Durchmesser nicht ausführlich beschrieben werden. Dies ist allerdings auch nicht das vom Hersteller formulierte Ziel der Software.
Die wissenschaftliche Evidenz
Tenescu A, Bercean BA, Avramescu C, Marcu M. Averaging Model Weights Boosts Automated Lung Nodule Detection on Computed Tomography. 13th International Conference on Bioscience, Biochemistry and Bioinformatics. 2023 ISBN 978-1-4503-9819-0.
Benta MM, Rasadean C, Ardelean PG, Barbulescu I, Birhala A, Bercean B, Avramescu C, Tenescu A, Birsasteanu F. Artificial intelligence in computed tomography – lung nodule analysis algorithm. ECR 2022 DOI 10.26044/ecr2022/C-17388.
Daten zum Upload auf Radailogy
Native oder Kontrastmittel-gestützte CT-Studien des Thorax jeden CT-Gerätealters und jeden Geräteherstellers, axiale Reformationen; Schichtdicke höchstens 3 mm; Lungen-Rekonstruktionskernel; Patientenalter zumindest 16 Jahre