Diagnostic Accuracy and Time Efficiency of Artificial Intelligence for Intracranial Hemorrhage Detection on Emergency Brain CT
Diagnostische Genauigkeit und Zeiteffizienz von künstlicher Intelligenz zum Nachweis intrakranieller Blutungen in der Notfall-Hirn-CT
Diagnostics · 16.07.2026 · 16 (14) · 2219
DOI: 10.3390/diagnostics16142219 ↗Auf einen Blick
In 375 Notfall-CTs erkannte ein KI-System intrakranielle Blutungen mit hoher Genauigkeit. Die Befundungszeit war deutlich kürzer als bei Radiolog:innen.
Fragestellung
Wie genau und wie zeiteffizient erkennt ein KI-System intrakranielle Blutungen auf Notfall-Hirn-CTs?
Methode
Retrospektive Studie mit 375 Patient:innen mit nativer Hirn-CT in der Notaufnahme; Vergleich der KI-Ergebnisse mit dem finalen radiologischen Referenzbefund.
Ergebnisse
Intrakranielle Blutung bei 235 Patient:innen (62,7 %). Sensitivität 94,0 %, Spezifität 87,9 %, PPV 92,9 %, NPV 89,8 %, Genauigkeit 91,7 %, AUC 0,909, Cohen’s kappa 0,823. Befundungszeit: 11,9 ± 3,0 vs. 70,9 ± 25,4 min; p < 0,001.
Schlussfolgerung der Autor:innen
Das KI-System zeigte eine hohe diagnostische Genauigkeit und eine deutlich kürzere Befundungszeit beim Nachweis intrakranieller Blutungen auf der Notfall-Hirn-CT und könnte als Entscheidungsunterstützung dienen.
Kernaussagen
- Sensitivität 94,0 % und Spezifität 87,9 %
- Befundungszeit mit KI deutlich kürzer: 11,9 vs. 70,9 min
- Volumenmessung mit ABC/2 stark korreliert (rho = 0,887)
Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.
Kurz gefasst
Fachartikel in der Zeitschrift Diagnostics, online erschienen am 16.07.2026. Verfasst von Ömer Damar und 2 weiteren Autor:innen. Beteiligte Einrichtung: Department of Emergency Medicine, Faculty of Medicine, Mardin Artuklu University, 47200 Mardin, Turkey. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 29 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
Background
Intracranial hemorrhage (ICH) is a neurological emergency associated with high mortality and morbidity, requiring rapid diagnosis and early intervention. Artificial intelligence (AI)-based imaging systems have recently gained attention as supportive tools for accelerating emergency brain computed tomography (CT) interpretation. This study aimed to evaluate the diagnostic accuracy and time efficiency of an AI system for detecting ICH on emergency brain CT scans.
Methods
This retrospective study included 375 patients who underwent non-contrast brain CT in the emergency department. AI-based image analysis results were compared with final radiologist reports accepted as the reference standard. Sensitivity, specificity, predictive values, accuracy, area under the curve (AUC), and Cohen’s kappa were calculated. Interpretation times, subgroup analyses according to presentation type and work shifts, and hemorrhage volume correlations between AI and the ABC/2 method were also evaluated.
Results
Intracranial hemorrhage was detected in 235 patients (62.7%). The AI system achieved a sensitivity of 94.0%, specificity of 87.9%, positive predictive value of 92.9%, negative predictive value of 89.8%, and overall accuracy of 91.7%. The AUC was 0.909, with a Cohen’s kappa coefficient of 0.823. Mean interpretation time was significantly shorter for AI compared with radiologists (11.9 ± 3.0 vs. 70.9 ± 25.4 min, p < 0.001). AI-derived hemorrhage volume measurements strongly correlated with the ABC/2 method (rho = 0.887, p < 0.001).
Conclusions
The AI system demonstrated high diagnostic accuracy and a significant reduction in interpretation time for detecting intracranial hemorrhage on emergency brain CT, supporting its potential role as a decision-support tool in emergency radiology workflows.
Schlagwörter
Stichwörter der Autor:innen
Autor:innen und Institutionen
- Department of Emergency Medicine, Faculty of Medicine, Mardin Artuklu University, 47200 Mardin, Turkey.
- Department of Emergency Medicine, Faculty of Medicine, Dicle University, 21280 Diyarbakır, Turkey.
ORCID-Profile: Ömer Damar, Mehmet Tahir Gokdemir
Zitieren
APA
Damar, Ö., Yaman, M., & Gokdemir, M. T. (2026). Diagnostic Accuracy and Time Efficiency of Artificial Intelligence for Intracranial Hemorrhage Detection on Emergency Brain CT. Diagnostics, 16(14), 2219. https://doi.org/10.3390/diagnostics16142219
Vancouver
Damar Ö, Yaman M, Gokdemir MT. Diagnostic Accuracy and Time Efficiency of Artificial Intelligence for Intracranial Hemorrhage Detection on Emergency Brain CT. Diagnostics. 2026;16(14):2219. doi:10.3390/diagnostics16142219
BibTeX
@article{Damar2026,
author = {Damar, Ömer and Yaman, Mahmut and Gokdemir, Mehmet Tahir},
title = {Diagnostic Accuracy and Time Efficiency of Artificial Intelligence for Intracranial Hemorrhage Detection on Emergency Brain CT},
journal = {Diagnostics},
year = {2026},
volume = {16},
number = {14},
pages = {2219},
doi = {10.3390/diagnostics16142219}
}
EUVIMED