VISUS Health IT • 08.05.2024 • Stories

Das PACS als Datendepot

  • Das PACS als Datendepot

Schon heute ist das Datenaufkommen in der Radiologie enorm. Kam eine Aufnahme des Kopfs vor 20 Jahren noch mit 25 Bildern aus, sind es heute zwischen 120 und 5.000 Bilder. Das erhöht potenziell die Qualität der Befundung, bringt Radiologinnen und Radiologen aber an Kapazitätsgrenzen in puncto Zeit und Aufmerksamkeitsspanne. Kommen jetzt noch befundrelevante, nicht-radiologische Daten und solche aus der KI hinzu, wird das Informationsmanagement – eine Kernaufgabe der Radiologie innerhalb des Versorgungsprozesses – zur echten Herausforderung.

Eine, die sich auf Dauer nur mit Hilfe einer klugen Software lösen lassen wird. Radiologinnen und Radiologen werden heute bereits zunehmend als Datenbroker der Medizin gesehen, die versorgungsrelevante Informationen an die richtigen klinischen Stellen verteilen. Um dies gewissenhaft tun zu können, müssen sie die Daten auch lesen, verstehen, analysieren und vermitteln können. Um im Bild zu bleiben: Es braucht ein digitales Datendepot, das vorhandene Informationen strukturiert, zusammenfügt, vorsortiert und lesbar macht, damit die Radiologie ihrer Aufgabe nachkommen kann.

Bild und Befund zusammenführen

Ein solches Depot soll künftig noch stärker als bisher unser JiveX Enterprise PACS sein. Unser strategisches Ziel dabei: Bilder und andere fallrelevante Informationen – aus der Nuklearmedizin, aus KI-Systemen oder woher auch immer – sollen im PACS so zusammenlaufen und angezeigt werden, dass die Radiologen im Befundprozess mit sinnvollem Mehr-Wissen in ihrer Arbeit unterstützt werden. Außerdem sollen radiologische Bilder, nicht-radiologische Untersuchungsergebnisse und KI-Auswertungen am Ende mit dem Befund verknüpft werden.

Und auch, wenn die Verknüpfung selbst in JiveX stattfindet, die für die Befundung sinnvollen Zusatzdaten werden nicht dort generiert. Zumindest nicht zwangsläufig. Das Beispiel KI verdeutlicht sehr gut das Zusammenspiel. Wir setzen beim Einsatz von KI für die radiologische Befundung auf die enge Kooperation von spezialisierten Anbietern, deren Software so tief in JiveX integriert wird, dass ein automatischer Bild-Ergebnis-Austausch möglich ist. Konkret werden die radiologischen Aufnahmen direkt aus dem PACS heraus an die KI geschickt, die ihre Ergebnisse wiederum automatisch an JiveX zurückspielt. Hier werden sie – je nach Sinnhaftigkeit – direkt in das zur Befundung vorliegende Bild integriert. Die Radiologin oder der Radiologe können so zum Beispiel auf vorliegende Befunde aufmerksam gemacht werden, sobald sie eine Studie öffnen. So wird der Befundvorgang beschleunigt und potenziell sicherer gemacht, weil das Risiko, etwas zu übersehen, durch die KI deutlich reduziert wird.

Standardisierung als Basis für Integration

Damit ein solches Szenario in der Praxis funktioniert, kommt es bei den KI-Lösungen zunächst einmal auf eins an: Die Software muss auf gängigen Kommunikationsstandards beruhen, um tief in JiveX – das dann als primäres Befundtool fungiert – integriert werden zu können. Relevant ist außerdem, welche diagnostischen Fragestellungen mit der KI beantwortet werden können. Aktuell ist die Situation auf dem KI-Markt noch so, dass sich die Hersteller auf die einfach zu beantwortenden, nicht unbedingt auf die in der Radiologie häufig vorkommenden Fragen festgelegt haben. Dazu gehören Mamma, Thorax, Knochen und Prostata. Dieser Fokus auf die sogenannten Low Hanging Fruits stellt aktuell noch eine Limitation für den Einsatz von KI in der Radiologie dar, perspektivisch wird sich das Anwendungsspektrum erweitern. Und so ist davon auszugehen, dass die KI bald schon unverzichtbarer Assistent in der radiologischen Befundung sein wird.

Dazu werden auch KI-basierte Sprachmodelle beitragen, welche die Einschränkung des Auditiven in den digitalen Kontext unterstützen – ein Bereich mit enormen Mehrwertpotenzial für alle Akteure im Gesundheitswesen. Kurz gesagt liegt der Nutzen von Technologien wie „Large Language Models“ darin, unstrukturiert Gesprochenes in einen strukturierten Kontext zu bringen – was im Alltag die vorhandenen Daten nutzbar macht. Konsekutiv wird dies eine enorme Zeitersparnis nach sich ziehen und gleichzeitig die Ergebnisqualität steigern. Ein weiteres Einsatzgebiet sind Sprachbarrieren, welche mit KI überwunden werden können.

Bedenkt man die integrative Funktion, welche die Radiologinnen und Radiologen innehaben – zum Beispiel bei der Koordinierung von Tumorkonferenzen – wird klar, wie wichtig Unterstützungsleistungen wie diese sind. Und wie wichtig es ist, dass die zusätzlichen Informationen an einem Ort – nämlich im PACS – sortiert und kuratiert werden, damit die Radiologen entlastet und nicht überfrachtet werden.

Das könnte Sie auch interessieren

Radiologie meets KI

Die KI wird der Partner der Beschäftigten im Gesundheitswesen

Dass die KI in der Radiologie zunehmend Fuß fasst, wird allgemein und völlig zu Recht als Erfolg und wichtiger Schritt in die Zukunft bewertet. Schließlich soll – ja muss – das Gesundheitswesen digitaler werden, um künftige Herausforderungen meistern zu können. 

Best Buddies in der Radiologie

Best Buddies in der Radiologie?

Angst davor, dass die KI den eigenen Job hinfällig werden lässt, haben wenn überhaupt nur noch vereinzelte Radiologinnen und Radiologen. Aber muss die KI deshalb direkt zum „Best Buddy“ avancieren? Wer weiß. Es soll ja Menschen geben, denen auch Gespräche mit Alexa als freundschaftlich gelten.