EUVIMEDEUVIMED entdecken
Crossref

Automation Bias verringert die diagnostische Genauigkeit von Radiologen bei KI-unterstützter Detektion von Skaphoidfrakturen

P Stein, Y Lasheb, K Schlamp, H U Kauczor, M Fink

RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 01.04.2026 · 198 (S 01 S 01) · S30

DOI: 10.1055/s-0046-1817508 ↗

Kurz gefasst

Fachartikel in der Zeitschrift RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, erschienen am 01.04.2026. Verfasst von P Stein und 4 weiteren Autor:innen.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Zielsetzung Automations-Bias – die Neigung die Vorschläge automatisierter Entscheidungshilfen unkritisch zu übernehmen – ist eine bekannte Fehlerquelle in der Mensch-Maschinen-Interaktion. Die Auswirkungen auf die radiologische Diagnostik sind jedoch nur unzulänglich untersucht. Wir untersuchten, wie sich die Verfügbarkeit KI-generierter Ergebnisbilder zur Frakturerkennung auf die Detektionsrate von Skaphoidfrakturen durch Radiolog*innen auswirkt und ob sich dieser Effekt durch Berufserfahrung oder die Reihenfolge der Fallpräsentationen modulieren lässt. Material und Methoden In einer prospektiven two-read-study mit 24 Radiolog*innen (12 Assistenz, 12 Fachärzt*innen) wurden 213 Handgelenk-Röntgenaufnahmen aus den Jahren 2019–2024 untersucht. Zunächst wurden pro Reader 48 individuelle Fälle ohne KI-Unterstützung beurteilt. Nach einer sechswöchigen wash-out-Phase erfolgte eine erneute Beurteilung derselben Bilder, ergänzt um die Overlays eines KI-Algorithmus zur Frakturdetektion. Die Präsentation der KI-Overlays erfolgte in drei Reihenfolgen: falsch zuerst, zufällig oder korrekt zuerst. Zur Analyse wurde ein Regressionsmodell mit gemischten Effekten eingesetzt, das den Einfluss der KI-Ergebnisse, der Berufserfahrung sowie der Reihenfolge der Fallpräsentation erfasste.

Ergebnisse

Ohne KI betrug die durchschnittliche Genauigkeit 69,1±3,1%. Mit KI-Overlays sank diese um 8,7 Prozentpunkte signifikant (p=0,026). Berufserfahrung hatte keinen schützenden Effekt (intercation p=0,64), ebenso wenig die Reihenfolge der Fallpräsentation (alle p>0,30). Die Übereinstimmung von Reader und KI stieg von 76% auf 83% (p=0,025). Die Inter-Reader-Varianz war nach Berücksichtigung der Fixed-Effects vernachlässigbar (σ²≈0,001).

Schlussfolgerungen

Die Anzeige von KI-Overlays führte paradoxerweise zu einer Verschlechterung der Frakturdetektionsrate – bedingt durch unkritische Übernahme der KI-Ergebnisse (Automation-Bias). Potentielle Fehlerquellen der Mensch-KI-Interaktion müssen hinsichtlich der Diagnosesicherheit berücksichtigt werden. 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

Stein, P., Lasheb, Y., Schlamp, K., Kauczor, H. U., & Fink, M. (2026). Automation Bias verringert die diagnostische Genauigkeit von Radiologen bei KI-unterstützter Detektion von Skaphoidfrakturen. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, 198(S 01 S 01), S30. https://doi.org/10.1055/s-0046-1817508

Vancouver

Stein P, Lasheb Y, Schlamp K, Kauczor HU, Fink M. Automation Bias verringert die diagnostische Genauigkeit von Radiologen bei KI-unterstützter Detektion von Skaphoidfrakturen. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 2026;198(S 01 S 01):S30. doi:10.1055/s-0046-1817508

BibTeX
@article{Stein2026,
  author = {Stein, P and Lasheb, Y and Schlamp, K and Kauczor, H U and Fink, M},
  title = {Automation Bias verringert die diagnostische Genauigkeit von Radiologen bei KI-unterstützter Detektion von Skaphoidfrakturen},
  journal = {RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren},
  year = {2026},
  volume = {198},
  number = {S 01 S 01},
  pages = {S30},
  doi = {10.1055/s-0046-1817508}
}
Kostenlos starten →