Hochwertige Bilder. Präzise Erkennung. Verbesserte Patientenversorgung.
Die Patientinnen sind besser informiert als je zuvor und suchen aktiv nach Anbietern von Brustgesundheitsdienstleistungen, die modernste Technologien einsetzen, um die Qualität der Mammographie und die Wirksamkeit der Brustkrebsvorsorge zu verbessern.
Angesichts steigender Patientenzahlen und eines akuten Mangels an Radiologen und medizinisch-technischen Assistenten in Gesundheitseinrichtungen stehen Bildgebungszentren häufig vor der wachsenden Herausforderung, die steigende Arbeitsbelastung zu bewältigen, ohne dabei Abstriche bei der Qualität zu machen. Führende Mammografiezentren und Ärzte nutzen künstliche Intelligenz, um Arbeitsabläufe zu optimieren, die Anzahl der für Patientinnen erforderlichen Nachuntersuchungen und Befundungen zu reduzieren und Brustkrebs schneller, früher und genauer zu erkennen – unabhängig von der Brustdichte.
Nicht alle Mammographien sind gleich
Wenn eine Frau zu ihrer Mammographie-Vorsorgeuntersuchung geht, geht sie davon aus, dass der Röntgenassistent eine qualitativ hochwertige Aufnahme erstellen kann, die der Radiologe dann auswertet. Die Aufnahme ist jedoch oft eine technisch anspruchsvolle Aufgabe, bei der es häufig zu Fehlern bei der Positionierung kommen kann. Die Verbesserung der klinischen Bildqualität durch den Einsatz von KI, die den Röntgenassistenten bei der Beurteilung der Positionierungskriterien unterstützt, liefert den Radiologen qualitativ hochwertigere Bilder und bietet KI-gestützte Erkennungslösungen, um Brustkrebs effektiver zu erkennen. Das Ergebnis: weniger unnötige Nachuntersuchungen aufgrund nicht erfüllter Positionierungskriterien und unzureichender klinischer Bildqualität.
Wie entsteht ein hochwertiges Bild die Effizienz und Compliance steigern?
Hochwertige Screening-Bilder führen zu einer höheren Sensitivität und Spezifität der Mammographie, geringeren Kosten, der Einhaltung der MQSA-Vorschriften und letztlich zu besseren Behandlungsergebnissen für die Patientinnen.
Qualität steht an erster Stelle: Bessere Bildqualität bedeutet bessere Diagnosen
Die IntelliMammo® AI-Plattform, die auf Densitas® basiert, bietet Radiologieassistenten Instrumente zur kontinuierlichen Qualitätsverbesserung durch Echtzeit- und nachträgliches Feedback – sowohl in Form von synchronem Echtzeit-Feedback direkt am Untersuchungsort als auch in Form von asynchronem nachträglichem Feedback bei planmäßigen Überprüfungen. Dieses kontinuierliche Feedback hilft den Radiologieassistenten, die Positionierung zu verbessern und Mammografie-Screening-Aufnahmen präzise durchzuführen, wodurch von Anfang an eine höhere klinische Bildqualität gewährleistet wird.
Dank dieser verbesserten Bildqualität können Radiologen bei der Befundung sicherer sein, und die Ressourcen können auf Patienten konzentriert werden, die tatsächlich eine weitere Abklärung und Behandlung benötigen, anstatt auf Fälle mit falsch-positiven Befunden.
Betriebseffizienz: Kontinuierliche Verbesserung und Kostensenkung
Die IntelliMammo® AI-Plattform bietet zudem eine umfassende Wissensdatenbank zu Mammographie-Positionierungstechniken mit von Experten erstellten Inhalten für Techniker. Dies ermöglicht kontinuierliches Lernen und Weiterentwicklung innerhalb der Einrichtung. Dank fortschrittlicher Analysen können Einrichtungen Verbesserungsbedarf auf der Ebene der Techniker und der Standorte identifizieren, sodass Techniker mit geringerer Leistung mit leistungsstärkeren Mitarbeitern zusammengebracht werden können, um zeitnahe und kosteneffiziente Schulungen zu ermöglichen. Evidenzbasierte, standardisierte Leistungsindikatoren unterstützen eine unvoreingenommene, effiziente, regelmäßige und kosteneffiziente Kommunikation mit den Technikern.
MQSA/ACR-Konformität: Automatisierung der mühsamen und arbeitsintensiven Vorbereitung auf Audits
Die IntelliMammo® AI-Plattform automatisiert die Erstellung von Mammographie-Qualitätsberichten, sodass sich das medizinische Fachpersonal stärker auf die Patientenversorgung konzentrieren kann, anstatt unzählige Bilder durchsehen zu müssen, um ACR-konforme Aufnahmen zu identifizieren. Mithilfe fortschrittlicher Analysen wird die Leistung der Techniker verfolgt und bewertet, sodass Einrichtungen unzureichende Mammographien leicht kennzeichnen und Korrekturmaßnahmen einleiten können, deren Umsetzung bis zum Abschluss nachverfolgt werden kann.
Wie kann KI dazu beitragen, Brustkrebs früher zu erkennen und Leben zu retten?
Die Früherkennung von Brustkrebs ist von entscheidender Bedeutung; je früher er entdeckt wird, solange er noch auf einen begrenzten Bereich beschränkt ist, desto mehr Behandlungsmöglichkeiten stehen zur Verfügung, was die Heilungschancen der Patientinnen erheblich verbessert.
Die ProFound AI® Breast Health Suite, unterstützt von iCAD, hilft Radiologen dabei, die hochwertigen Screening-Bilder gleichzeitig auszuwerten, um ihre Aufmerksamkeit schnell auf potenziell auffällige Bereiche zu lenken. Sie vergleicht die Befunde über mehrere Schichten und Ansichten hinweg und ermittelt einen Läsionswert für jeden Bereich, den der Radiologe näher untersuchen soll.
Wie erkennt die KI einen Problembereich?
Der ProFound-KI-Algorithmus wurde anhand eines der umfangreichsten verfügbaren 3D-Bilddatensätze umfassend trainiert. Der KI-Algorithmus wurde auf der Grundlage von mehr als 6 Millionen Trainingsbildern, rund 8.000 biopsiebestätigten Krebsfällen und mehr als 100 teilnehmenden Zentren entwickelt, wodurch eine große Datenvielfalt gewährleistet ist (Stand: Juni 2024). Er liefert Radiologen fundierte Datenempfehlungen als Grundlage für ihre Behandlungspläne.
Die Kunst der Medizin & die nächste Generation Radiologie
Radiologen sind ausgebildete Experten für die Auswertung von Mammographien, und KI ist ihr zuverlässiger Partner, um die Spezifität und Sensitivität ihrer Befunde sowie das gesamte Patientenerlebnis zu verbessern. Durch die Kombination der detaillierten Analyse von ProFound AI mit dem Fachwissen der Radiologen wird die Genauigkeit der Krebserkennung deutlich gesteigert.5,6 Diese Synergie verbessert die Behandlungsergebnisse, verringert das Risiko von Fehldiagnosen und gewährleistet eine rechtzeitige Behandlung für Brustkrebspatientinnen.
ProFound AI wertet die Läsionswerte und die Brustdichte aus und liefert einen Gesamtfallwert, der den Grad des Brustkrebsverdachts auf der Grundlage der Screening-Population angibt. Diese Werte unterstützen Radiologen dabei, genauere Behandlungspläne zu erstellen, indem sie die KI-gestützte Analyse mit ihrer klinischen Expertise in Einklang bringen.
Verbesserung der Patientenversorgung durch hochwertige Bilder und präzise Erkennung
Die IntelliMammo® AI-Plattform und die ProFound AI® Breast Health Suite lassen sich nahtlos in die vorhandene Ausstattung des Bildgebungszentrums integrieren und bieten so eine umfassende Lösung zur Verbesserung der Mammographiequalität. Gemeinsam steigern sie die Effizienz der Arbeitsabläufe, die Bildqualität und die diagnostische Genauigkeit, was zu besseren Behandlungsergebnissen für die Patientinnen und einer effizienteren Ressourcennutzung führt – für eine kosteneffiziente und nachhaltige Durchführung von Brustkrebsvorsorgeuntersuchungen.
Die Kombination aus besserer Bildqualität und verbesserter Erkennung führt zu einer besseren Patientenversorgung, da Fehlalarme und Fehldiagnosen reduziert und die Sensitivität sowie die Spezifität der Mammographie erhöht werden. Dies führt zu weniger unnötigen Nachuntersuchungen, einer Verringerung der unnötigen Strahlenbelastung und weniger invasiven Eingriffen.
Dies führt wiederum zu einer höheren Patientenzufriedenheit, einer positiveren Patientenerfahrung und einem stärkeren Vertrauen in Brustkrebs-Früherkennungsprogramme, was wiederum zu höheren Teilnahmequoten an diesen Programmen führt – was für die Früherkennung und Behandlung entscheidend ist und letztendlich mehr Leben rettet.
Quellenangaben:1.https://www.fda.gov/radiation-emitting-products/mqsa-insights/poor-positioning-responsible-most-clinical-image-deficiencies-failures
2. Densitas-Kundenprofil: Mammographiezentrum mit einer Jahresleistung von 50.000 Mammographien.
3. Guertin MH, et al. Klinische Bildqualität in der täglichen Praxis der Brustkrebs-Mammographie-Screening. Can Assoc Radiol J. Aug. 2014;65(3):199-206. doi: 10.1016/j.carj.2014.02.001. Epub 16. Juni 2014. PMID: 24947189
4.https://www.nationalbreastcancer.org/breast-cancer-facts
5. Conant EF, Toledano AY, Periaswamy S, Fotin SV, Go J, Boatsman JE, Hoffmeister JW. Verbesserung von Genauigkeit und Effizienz durch den gleichzeitigen Einsatz künstlicher Intelligenz bei der digitalen Brust-Tomosynthese. Radiol Artif Intell. 31. Juli 2019;1(4):e180096. doi: 10.1148/ryai.2019180096. PMID: 32076660; PMCID: PMC6677281.
6. Schilling, K. Leistung der Brustkrebsvorsorge in der Praxis mit digitaler Brusttomosynthese vor und nach der Einführung eines Erkennungssystems auf Basis künstlicher Intelligenz. Forschungspräsentation auf dem Europäischen Radiologiekongress (ECR) 2023; 1.–5. März 2023; Wien, Österreich.