Prostataerkrankungen gehören neben Herzkreislauferkrankungen bei Männern im höheren Lebensalter zu den häufigsten Erkrankungen. Der Prostatakrebs - auch genannt Prostatakarzinom - macht dabei ca. 20% aller Krebsneuerkrankungen des Mannes aus. In den letzten Jahren ist die Anzahl der Neuerkrankungen stetig angestiegen. Pro Jahr gibt es 1.300.000 neue Fälle von Prostatakrebs, 130.000 davon allein in Deutschland. 

Während das Interesse für Künstliche Intelligenz stetig wächst und immer bessere Systeme entwickelt werden, gibt es wenig bis gar keine Erkenntnisse über die bestmögliche Integrierbarkeit dieser Systeme in den radiologischen Arbeitsalltag. Diese Fragestellung soll unter anderem innerhalb des Projekts „PAIRADS” erforscht werden. Die von dem Bundesministerium für Bildung und Forschung finanzierte Forschung wird von der Gemedico GmbH und der Universität Siegen durchgeführt. 

## Das Forschungsprojekt

Der Name des Projektes - Akronym für „Prostate Artificial Intelligence Reporting and Data System” - leitet sich von dem zugrunde liegenden Schema, dem PI-RADS Schema ab. Die von der Gemedico GmbH entwickelte Künstliche Intelligenz soll basierend auf erfahrungsbasierten Arbeitspraktiken und dem bewährten PI-RADS Schema klinisch signifikante Prostatakarzinome eigenständig aufzeigen und lokalisieren und somit die Radiologinnen und Radiologen entlasten. 

Die Auswertung von radiologischen Aufnahmen der Prostata sowie die Befundung, ob ein klinisch relevantes Prostatakarzinom vorliegt, gelten als schwerste der radiologischen Untersuchungen. Diese sind oft mit der Beurteilung mehrerer Radiologinnen/Radiologen, welche jeweils getrennt voneinander die gleichen Bilddaten bewerten, sowie einer Bestätigung des Labors verbunden. Für die Prostatauntersuchung wird also die ohnehin knappe Ressource der Radiologinnen/Radiologen besonders beansprucht. 

Aus diesem Grund sollen Radiologinnen und Radiologen mithilfe der Künstlichen Intelligenz dabei unterstützt werden, diese schwierigen Untersuchungen zu bewerten und beurteilen. Eine der zentralen Forschungsfragen soll sein, in welcher Form der Radiologe durch eine Künstliche Intelligenz in der Befundung unterstützt werden kann und wie sich die Künstliche Intelligenz in die aktuelle Arbeitspraxis bestmöglich integrieren lässt. Neben dieser Frage soll erforscht werden, welche Merkmale eines Prostatakarzinoms mithilfe der Künstlichen Intelligenz am besten erkannt, visualisiert und bewertet werden können. Dabei soll sich vor allem an den im PI-RADS Standard definierten Merkmalen und Stufen orientiert werden. 

„Radiologinnen und Radiologen müssen tagtäglich Herausforderungen wie Zeitdruck, Fehleranfälligkeiten und Erkennung von verschiedenen Anomalien in der Befundung meistern.“, erklärt Nils Blaumer, “Die Technik ermöglicht es uns Radiologinnen und Radiologen bei aufwendigen und komplexen Befunden, wie die der Prostata, erheblich zu unterstützen.” Nils Blaumer, CEO der Gemedico GmbH

## Explainable Artificial Intelligence

Ein Hauptaugenmerk des Projektes liegt auf dem Ansatz der „Explainable Artificial Intelligence”. Dieser Ansatz verfolgt das Ziel, die zugrundeliegenden Berechnungen, Entscheidungen und Ergebnisse der Künstlichen Intelligenz für den Endanwender besser verständlich und eindeutig nachvollziehbar zu machen. Somit können die auslösenden Faktoren, auf denen die Entscheidung der Künstlichen Intelligenz basiert, für die Radiologinnen und Radiologen transparenter gemacht werden. Dies kann unteranderem durch visuelle Darstellung von markanten Bereichen der Bilddaten geschehen, welche beispielsweise einen besonderen Einfluss auf das Ergebnis haben. 

Für die Realisierung dieses Vorhabens soll zusammen mit verschiedenen Radiologien in Deutschland zusammengearbeitet werden. Hierbei liegt das übergeordnete Ziel auf dem Erhalt von zahlreichem Feedback, um die Künstliche Intelligenz stetig zu verbessern.

Prostataerkrankungen gehören neben Herzkreislauferkrankungen bei Männern im höheren Lebensalter zu den häufigsten Erkrankungen

large_pairads_cover.png

medium_pairads_cover.png

Blog

Künstliche Intelligenz im radiologischen Alltag: Integrierbarkeit von Künstlicher Intelligenz in den Arbeitsablauf