EUVIMEDEUVIMED entdecken
Crossref

AI-ppendicitis: Erfahrungsabhängige Synergieeffekte eines KI-Unterstützungsystems für Radiologen bei der CT-Diagnose der Appendizitis

S Reischl

RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 01.04.2026 · 198 (S 01 S 01) · S8-S9

DOI: 10.1055/s-0046-1817442 ↗

Kurz gefasst

Fachartikel in der Zeitschrift RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, erschienen am 01.04.2026. Verfasst von S Reischl.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Zielsetzung Ziel dieser Studie war die Evaluation des Effekts eines Deep-Learning-Systems zur Detektion einer Appendizitis auf abdominellen CT-Aufnahmen als Unterstützungssystem für radiologisch tätige Mediziner:innen verschiedener Erfahrungsstufen. Material und Methoden Der verwendete hausintern entwickelte KI-Algorithmus kombiniert eine 3D-Retina-UNet zur Detektion mit einer 3D-ResNet18 zur Klassifikation von akuter Appendizitis. In einer Reader-Studie beurteilten 12 Teilnehmende unterschiedlicher radiologischer Erfahrungsstufen, darunter PJ-Studierende in der Radiologie (n=4), Weiterbildungsassistent:innen (n=3) und Fachärzt:innen (n=5, darunter 2 GI-Spezialist:innen), auf abdominellen CT-Datensätzen welche mit Fragestellung nach Appendizitis aquiriert wurden, zunächst ohne und anschließend mit Kenntnis des Urteils des KI-Algorithmus, ob eine Appendizitis vorlag.

Ergebnisse

Das KI-System allein erreichte eine Accuracy von 0,93 (Sensitivität 0,96; Spezifität 0,90) – auf dem Niveau erfahrener Radiolog:innen. Ohne Kenntnis des KI-Urteils stieg die Accuracy der Reader mit der Erfahrung (PJ-Studierende 0,72; Assistenzärzt:innen 0,91; Fachärzt:innen 0,93). Unter Kenntnis des KI-Urteils verbesserte sich die Accuracy in allen Gruppen: Studierende 0,72→0,87, Assistenzärzt:innen 0,91→0,97 (v. a. durch verbesserte Spezifität 0,83→0,96), Fachärzt:innen 0,93→0,95.

Schlussfolgerungen

Es zeigte sich ein synergistischer Effekt über alle Erfahrungsstufen hinweg unter Verwendung des Urteils des KI-Algorithmus, welcher alleinstehend Facharzt-Niveau erreichte. Der größte Nutzen zeigte sich bei weniger erfahrenen Anwender:innen, was insbesondere im klinischen Notfalldienst eine entscheidende Rolle spielt. Publication History Article published online: 22 April 2026 © 2026. Thieme. All rights reserved. Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany

Zitieren

APA

Reischl, S. (2026). AI-ppendicitis: Erfahrungsabhängige Synergieeffekte eines KI-Unterstützungsystems für Radiologen bei der CT-Diagnose der Appendizitis. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, 198(S 01 S 01), S8-S9. https://doi.org/10.1055/s-0046-1817442

Vancouver

Reischl S. AI-ppendicitis: Erfahrungsabhängige Synergieeffekte eines KI-Unterstützungsystems für Radiologen bei der CT-Diagnose der Appendizitis. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 2026;198(S 01 S 01):S8-S9. doi:10.1055/s-0046-1817442

BibTeX
@article{Reischl2026,
  author = {Reischl, S},
  title = {AI-ppendicitis: Erfahrungsabhängige Synergieeffekte eines KI-Unterstützungsystems für Radiologen bei der CT-Diagnose der Appendizitis},
  journal = {RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren},
  year = {2026},
  volume = {198},
  number = {S 01 S 01},
  pages = {S8--S9},
  doi = {10.1055/s-0046-1817442}
}
Kostenlos starten →