Lungen-CT: Verringern Sie Ihre Workload und erhöhen Sie Ihre Befundgenauigkeit!

Native CT des Thorax eines 59-jährigen männlichen Patienten mit Lungenkrebs. An der Basis des rechten Oberlappens (oben links) ist ein spikulierter Lungenrundherd sichtbar. aview LCS zeigt den Durchmesser, das Volumen sowie die Morphologie des Rundherds. Weiters wird die Läsion in klaren 3D-Visualisierungen in Bezug auf die Gefäße, die Atemwege sowie die Interlobia (unten links und rechts) dargestellt.

Gerade weil Lungenrundherde allein in Europa bei mehr als zwei Millionen Menschen pro Jahr auftreten und die Sterberate durch Lungenkrebs weltweit bei etwa zwei Millionen pro Jahr liegt, erfordert die Befundung mikroskopisch kleiner Läsionen eine Vielzahl von präzisen Informationen, darunter die Anzahl, Größe und den Status der Rundherde. In diesem Zusammenhang liegt die Stärke von AI-Assistenten darin, die Workload der Radiologen zu verringern und hochpräzise Befunde zu ermöglichen. Insbesondere die Bereitstellung qualitativ hochwertiger Follow up-Befunde zeigt das Potenzial von AI-Assistenten.

Mit grosser Freude präsentieren wir Ihnen Corelines aview LCS, einen AI-Assistenten für die Erkennung von Lungenrundherden in CT-Untersuchungen.

Warum aview LCS wichtig ist und wie es arbeitet

Der AI-Assistent erkennt und diagnostiziert Lungenrundherde in CT-Untersuchungen der Lungen. Die Segmentierung der Läsionen ermöglicht die Größen- und Volumeninformationen in 2D- und 3D-Darstellung. Die Rundherde werden automatisch in solide, semisolide und nicht solide gewertet. Eine wichtige Funktion ist der automatische Vergleich im CT-Follow-up. aview LCS berichtet gemäß den Richtlinien des Lung CT Screening Reporting and Data System (Lung-RADS Version 1.1), wie vom American College of Radiology empfohlen. Die Ergebnisse werden tabellarisch sowie mit 2D- und 3D-Bildern dargestellt. Jeder einzelne Rundherd wird mit seiner genauen Lage, seinem Durchmesser, seinem Volumen und seiner Morphologie beschrieben. Die klaren Berichte in Wort und Bild sind eine willkommene Unterstützung für den Wissenstransfer von Radiologen zu Patienten und Klinikern. Wird aview LCS für das allgemeine Lungenkrebs-Screening verwendet, ist gemäß der Referenz in unserem Abschnitt „Die wissenschaftlichen Beweise“ eine Arbeitserleichterung zwischen 77,4 % und 86,7 % zu erwarten. Dieser AI-Assistent kann sowohl für einzelne Patienten als auch in großen onkologischen Abteilungen eingesetzt werden.

Wer profitiert

Patienten, Kliniker und Radiologen profitieren von der zuverlässigen Erkennung von Lungenrundherden mit übersichtlichen Befunden. Insbesondere die 2D- und 3D-Visualisierung der Lunge und der Rundherde ist eine willkommene Hilfe für die interdisziplinäre und Patientenkommunikation.

Unsere eigene Erfahrung bei Radailogy

Coreline gibt die Leistungsdaten wie folgt an: Sensitivität 97%, Spezifität 76%, Genauigkeit 91%, ROC AUC .76. Der KA-Assistent weist im eigenen Patientengut bei Rundherden größer als 10 mm hohe Werte für PPV, NPV und Sensitivität von jeweils über 92 % auf. Die Läsionen werden anhand der Parameter Durchmesser, Volumen und Morphologie präzise lokalisiert und beschrieben.

Im Follow-up werden jeweils zwei CT-Studien verglichen. Der Status jedes Rundherds wird als Baseline, unverändert, kleiner oder größer angegeben. Neue Knoten werden als solche angegeben. Dieser automatisierte Vergleich im CT-Follow-up reduziert den Arbeitsaufwand erheblich. Die vom Anbieter angepriesene Verringerung des Arbeitsaufwands von 86,7 % und die Zeitersparnis von 70 % konnten wir jedoch nicht bestätigen.

Wir haben aview LCS außerdem zusammen mit aview COPD evaluiert, welcher zur Erkennung und Quantifizierung des Lungenemphysems im Lungen-CT entwickelt wurde. Erfahren Sie mehr in unserem Menu AI-Assistenten!

Die wissenschaftliche Evidenz

Lancaster HL, Zheng S, Aleshina OO, Yu D, Yu Chernina V, Heuvelmans MA, de Bock GH, Dorrius MD, Willem Gratama J, Morozov SP, Gombolevskiy VA, Silva M, Yi J, Oudkerk M. Outstanding negative prediction performance of solid pulmonary nodule volume AI for ultra-LDCT baseline lung cancer screening risk stratification. Lung Cancer. 2022 Jan 6;165:133-140.

Daten zum Upload auf Radailogy

Native Low-dose-CT-Studien des Thorax jeden CT- Geräteherstellers, axiale Reformationen, Schichtdicke und Rekonstruktionsintervall weniger als 1,25 mm, Lungen-Rekonstruktionskernel

Tags: No tags

Comments are closed.