Kann künstliche Intelligenz die Genauigkeit von COVID-19-Screenings erhöhen?

  • Mei X & al.
  • Nat Med
  • 19.05.2020

  • von Liz Scherer
  • Clinical Essentials
Der Zugang zum gesamten Inhalt dieser Seite ist nur Angehörigen medizinischer Fachkreise vorbehalten. Der Zugang zum gesamten Inhalt dieser Seite ist nur Angehörigen medizinischer Fachkreise vorbehalten.

Erkenntnis

  • Künstliche Intelligenz (KI) erhöht potenziell die Geschwindigkeit und die Genauigkeit von Screenings bei COVID-19-Patienten, die mittels RT-PCR positiv getestet werden, jedoch normale CT-Befunde aufweisen.

Warum das wichtig ist

  • Eine Verbesserung der Thorax-CT-Befunde und klinischer Informationen durch KI kann das Screening und die Diagnose bei COVID-19 beschleunigen, insbesondere wenn die Testmodalitäten nicht verfügbar sind.

Wesentliche Ergebnisse

  • Für 905 Patienten lagen Thorax-CT-Scans vor.
  • Mittels RT-PCR/Next-Generation-Sequencing wurden 46,3 % (419) SARS-CoV-2-positiv und 53,7 % (486) negativ getestet.
    • Die negativen Ergebnisse wurden anhand von 2 und mehr RT-PCR-Tests und klinischer Beobachtung bestätigt.
  • Klinische Faktoren: Alter, Expositionsanamnese, Fieber/Husten/Husten mit Sputum/Leukozytenzahl.
  • Ein kombiniertes AI-Modell, das klinische Daten und CT-Bildgebung nutzte, übertraf Modelle, die nur eines von beiden nutzen.
  • Kombiniertes Modell verglichen mit einem erfahrenen Thoraxradiologen mittels CT + klinische Daten (95 %-KI):
    • Sensitivität: 84,3 % (77,1 %–90,0 %) durch KI vs. 74,6 % (66,4 %–81,7 %) durch eine Person.
    • Spezifität: 82,8 % (75,6 %–88,5 %) durch KI vs. 93,8 % (88,5 %–97,1 %) durch eine Person.
    • Fläche unter der Kurve: 0,92 (0,887–0,948) durch KI vs. 0,84 (0,800–0,884) durch eine Person.
  • Test-Aufbau: 25 Patienten mit COVID-19 und normaler Thorax-CT pro Radiologe zum Zeitpunkt der Vorstellung.
    • Ein Deep-Learning-KI-Modell identifizierte 52 % (13/25) Scans als COVID-19-positiv.
    • Das klinische Modell klassifizierte 64 % (16/25) als COVID-19-positiv.
    • Das gemeinsame Modell identifizierte 68 % (17/25) als COVID-19-positiv.
    • Der erfahrene Thoraxradiologe und ein Radiologenkollege identifizierten 0 % (0/25) als positiv.

Studiendesign

  • Beurteilung eines KI-Modells zur Verbesserung der Früherkennung einer SARS-CoV-2-Infektion.
  • Finanzierung: Nicht offengelegt.

Einschränkungen

  • Geringe Teilnehmerzahlen.
  • Bias gegenüber Patienten mit COVID-19.