Bildgebung KI-Modell ergänzt PET gezielt zur CT-Auswertung

Anbieter zum Thema

Aptean Germany GmbH

Metecon GmbH

HMS Technology Center GmbH

Ein KI-Modell zur Beurteilung pulmonaler Läsionen setzt auf CT als Basis und zieht PET-Daten nur hinzu, wenn sie zusätzlichen Informationsgewinn versprechen. Bei der externen Validierung erreichte die Malignitätsklassifikation eine AUC von 0,962. Die Datenbasis für den PET-Anteil ist allerdings wesentlich kleiner als die Gesamtstudie mit 28.105 Fällen.

Die Computertomographie (CT) bildet den Ausgangspunkt, die Positronenemissionstomographie (PET) kommt bei Bedarf hinzu: Mit diesem Ansatz haben Forschende ein KI-Modell zur Beurteilung von Lungenläsionen entwickelt. Anders als bei einer festen Fusion beider Bildmodalitäten entscheidet eine interne Funktion des Modells, ob vorhandene PET-Daten die CT-basierte Beurteilung sinnvoll ergänzen.

Für Entwicklung und Prüfung nutzte das Team vier Kohorten mit insgesamt 28.105 Fällen. Das Modell verarbeitet bei der Anwendung CT-Aufnahmen, gegebenenfalls PET sowie vorhandene strukturierte klinische Angaben. Histopathologische Bilder und Verlaufsdaten gehören dagegen nicht zu den benötigten Eingangsdaten. Sie dienten während des Trainings u. a. dazu, Bildmerkmale abzusichern und die Prognosekomponente zu trainieren.

Externe AUC von 0,962

Das System grenzt die Lungenläsion im dreidimensionalen CT-Datensatz automatisch ab und bestimmt daraus unter anderem ihr Volumen und ihren größten Durchmesser. Eine räumliche Karte beeinflusst zudem, wie stark sichere und unsichere Bereiche der Läsion in die weitere Bewertung eingehen. Anschließend berechnet das Modell das Malignitätsrisiko. Bei der unabhängigen externen Validierung erreichte es dafür eine AUC von 0,962, bei einer Sensitivität von 0,988 und einer Spezifität von 0,924. Intern lagen die AUC-Werte je nach Kohorte zwischen 0,955 und 0,978.

Die Wahrscheinlichkeiten wurden außerdem kalibriert. Die Brier-Scores lagen zwischen 0,038 und 0,056. Der Wert beschreibt, wie gut vorhergesagte Wahrscheinlichkeiten mit den tatsächlich beobachteten Ergebnissen übereinstimmen; niedrigere Werte sind günstiger.Für eine spätere Integration in radiologische Auswertesoftware ist noch etwas anderes interessant: Das System gibt neben dem Risikowert ein Unsicherheitsmaß aus. Damit können Befunde in Risikostufen eingeordnet und unsichere Fälle zur ärztlichen Beurteilung zurückgegeben werden. Die Autoren beschreiben dafür einen eigenen Entscheidungsablauf.

PET-Daten nur aus kleiner Teilkohorte

Untersucht wurde, ob die PET grundsätzlich mit der CT fusioniert werden sollte oder nur dann, wenn das Modell einen zusätzlichen Nutzen erwartet. In internen Ablationsanalysen schnitt die selektive PET-Ergänzung besser ab als CT allein und als eine pauschale CT-PET-Fusion.Diese Aussage muss allerdings im Verhältnis zur Datenbasis gesehen werden. Von den insgesamt 28.105 Fällen stammen 26.310 aus dem National Lung Screening Trial. Die für PET besonders wichtige Lung-PET-CT-Dx-Kohorte umfasst dagegen nur 355 Fälle; die externe NSCLC-Radiomics-Kohorte 422.

Die Autoren weisen darauf hin, dass die PET-Stichprobe zu klein ist, um geringe Unterschiede zwischen verschiedenen Fusionsstrategien präzise zu bestimmen. Hinzu kommen Unstimmigkeiten zwischen einzelnen Zahlen der Ablationsbeschreibung und der zugehörigen Tabelle. Für die Bewertung entscheidend ist deshalb zunächst nur die grundsätzliche Beobachtung, dass eine selektive PET-Nutzung in diesen Modelltests Vorteile zeigte. Nicht belegt ist damit, dass das System entscheiden könnte, ob bei einem Patienten überhaupt eine PET/CT-Untersuchung durchgeführt werden sollte. Untersucht wurde die selektive Nutzung bereits verfügbarer PET-Daten.

Prognose schwankt zwischen den Kohorten

Neben der Tumorklassifikation berechnet das Modell auch Überlebensprognosen. Hier fallen die Ergebnisse heterogener aus: Im NLST erreichte die Prognosekomponente einen C-Index von 0,709, im externen NSCLC-Radiomics-Datensatz 0,857. Damit zeigt die Arbeit zugleich eine typische Grenze solcher Systeme. Gute Ergebnisse bei der Erkennung beziehungsweise Charakterisierung einer Läsion bedeuten nicht automatisch eine ebenso hohe Prognoseleistung in unterschiedlichen Patientengruppen.

Die Studie ist retrospektiv. Eine prospektive multizentrische Prüfung steht noch aus; das System ist kein CE-gekennzeichnetes Medizinprodukt. Auch Vergleiche mit anderen veröffentlichten Verfahren sind nur eingeschränkt möglich, weil diese nicht unter identischen Bedingungen neu trainiert wurden. Kontrollierte Vergleiche liefert die Arbeit vor allem zwischen den verschiedenen Varianten des eigenen Modells.Der Code ist nach Angaben der Autoren auf Anfrage erhältlich. Die verwendeten Bilddatensätze stammen dagegen aus öffentlich zugänglichen Sammlungen.

Perspektive Medizintechnik

Für die Medizintechnik liegt der interessante Ansatz deshalb weniger in einem einzelnen Spitzenwert als in der Systemarchitektur: CT bleibt die gemeinsame Basis, weitere Daten werden nicht automatisch hinzugefügt. PET soll nur dann in die Bewertung einfließen, wenn das Modell darin zusätzliche Information erkennt. Ob sich daraus tatsächlich ein belastbarer klinischer Workflow entwickelt, muss nun prospektiv gezeigt werden.

Referenz

Peng J, Liu X, Quan Y, et al. Cohort-aware CT-first modeling for clinically oriented pulmonary lesion characterization and prognosis. npj Digit Med. 2026. Veröffentlicht: 21. August 2026. doi:10.1038/s41746-026-03159-3.