EUVIMEDEUVIMED entdecken
Crossref

Automatisierte Befunderstellung bei konventionellen Röntgenbildern des Thorax: Vergleichende Pilotstudie mit zwei Vision Language Modellen

N Abou-Zeid, E Schulte, C Nelles, F Bauer, D Maintz, S Lennartz

RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 01.04.2026 · 198 (S 01 S 01) · S57-S58

DOI: 10.1055/s-0046-1817587 ↗

Kurz gefasst

Fachartikel in der Zeitschrift RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, erschienen am 01.04.2026. Verfasst von N Abou-Zeid und 5 weiteren Autor:innen.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Zielsetzung Ziel dieser Studie war es, die Leistungsfähigkeit zweier Vision Language Modelle (VLMs) bei der automatisierten Erstellung radiologischer Befunde aus Thoraxröntgenaufnahmen zu evaluieren. Untersucht wurde, inwieweit die Modelle relevante Pathologien erkennen, korrekt lokalisieren und klinisch verwertbare Befundtexte generieren können. Material und Methoden Es wurden retrospektiv 100 Patienten (56 männlich, 44 weiblich; medianes Alter 74 Jahre) mit je 25 fachärztlich bestätigten Fällen von Pneumothorax, Pleuraerguss, pneumonischem Infiltrat und pulmonaler Raumforderung analysiert. Nach Anonymisierung wurden Röntgenbilder, Anamnese und klinische Fragestellungen mittels standardisierter Prompts zwei VLMs (GPT-4.0 [OpenAI] und Claude Sonnet 3.5 [Anthropic]) zugeführt. Zwei Radiologen bewerteten die KI-generierten Berichte (aiRR) unabhängig voneinander hinsichtlich korrekter Detektion (quantitativ, binär), Befundqualität, Einschätzung des Pathologieausmaßes und Erfassung von Nebenbefunden (qualitativ, Likert-Skala 1–5). Statistische Analysen erfolgten mittels McNemar- und Wilcoxon-Test. Ergebnisse Beide VLMs erzeugten kohärente, verständliche Befundtexte. Die höchste Genauigkeit bestand bei Pleuraergüssen, während Pneumothorax und Raumforderungen seltener korrekt identifiziert wurden. Claude Sonnet 3.5 erreichte eine signifikant höhere Gesamtgenauigkeit bei der Detektion der Hauptpathologie (62% vs. 51%; p=0,04) und war insbesondere bei Pneumothorax überlegen (36% vs. 4%; p=0,01). GPT-4.0 zeigte leicht bessere Ergebnisse bei pneumonischen Infiltraten (80% vs. 72%). In der qualitativen Bewertung der Befundqualität lag der mediane Likert-Score für Claude Sonnet 3.5 bei 5 und für GPT-4.0 bei 4 (p

Zitieren

APA

Abou-Zeid, N., Schulte, E., Nelles, C., Bauer, F., Maintz, D., & Lennartz, S. (2026). Automatisierte Befunderstellung bei konventionellen Röntgenbildern des Thorax: Vergleichende Pilotstudie mit zwei Vision Language Modellen. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, 198(S 01 S 01), S57-S58. https://doi.org/10.1055/s-0046-1817587

Vancouver

Abou-Zeid N, Schulte E, Nelles C, Bauer F, Maintz D, Lennartz S. Automatisierte Befunderstellung bei konventionellen Röntgenbildern des Thorax: Vergleichende Pilotstudie mit zwei Vision Language Modellen. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 2026;198(S 01 S 01):S57-S58. doi:10.1055/s-0046-1817587

BibTeX
@article{AbouZeid2026,
  author = {Abou-Zeid, N and Schulte, E and Nelles, C and Bauer, F and Maintz, D and Lennartz, S},
  title = {Automatisierte Befunderstellung bei konventionellen Röntgenbildern des Thorax: Vergleichende Pilotstudie mit zwei Vision Language Modellen},
  journal = {RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren},
  year = {2026},
  volume = {198},
  number = {S 01 S 01},
  pages = {S57--S58},
  doi = {10.1055/s-0046-1817587}
}
Kostenlos starten →