Werden Patienten mit Atemwegssymptomen und Fieber in einer Klinik aufgenommen, folgen bei Verdacht auf Covid-19 meist die gleichen Untersuchungen: Unter anderem wird mithilfe der Computertomografie (CT) eine Aufnahme des Brustkorbes gemacht, denn häufig lassen sich hier bereits eindeutige Anzeichen auf eine Covid-19-bedingte Lungenentzündung finden, beispielsweise sogenannte „Milchglastrübungen“, Konsolidierungen oder ein verrücktes Pflastermuster. Dies ist jedoch nicht immer der Fall.

Testergebnisse oft erst nach Tagen

Mithilfe einer ausführlichen Anamnese, die vorherige Reisen und Kontakt zu Verdachtsfällen beinhaltet, sowie weiteren Labortests wird zunächst meist nur eine Verdachtsdiagnose gestellt – solange, bis das Ergebnis des PCR-Tests per Abstrich-Untersuchung feststeht. Dies kann manchmal jedoch bis zu zwei Tage dauern.

Mediziner der Icahn School auf Medicine in New York haben sich deshalb künstliche Intelligenz als Unterstützung hinzugeholt: Sie speisten die Daten von 534 Befunden in einen Rechner ein, der mit zwei Software-Varianten eine Diagnose stellen sollte: Eine Software analysierte die CT-Aufnahmen, die andere fokussierte sich auf die klinischen Daten der Patienten. Nach Vorliegen des PCR-Test-Ergebnisses wurde dieses dem System ebenfalls zur Verfügung gestellt – 242 Patienten waren positiv, die anderen 292 litten nicht unter Covid-19.

Künstliche Intelligenz unterstützt Mediziner

Nach der Trainingsphase der KI folgte eine Feineinstellung, danach musste sich die KI schließlich gegen den Menschen unter Beweis stellen: Ein Nachwuchsradiologe und ein erfahrener Kollege traten gegen die beiden Software-Systeme an. Allen standen die CT-Bilder sowie die klinischen Daten zur Verfügung.

Es wurde jeweils die Sensitivität sowie die Spezifität und der sogenannte AUC-Wert ermittelt: Ein Wert von 1,0 steht dabei für eine sichere Diagnose, ein Wert von 0,5 für reinen Zufall. Dabei ergaben sich folgende Ergebnisse:

• Nachwuchsradiologe: Sensitivität 56,0 %, Spezifität 90,3 %, AUC-Wert: 0,73
• Erfahrener Radiologe: Sensitivität 74,6 %, Spezifität 93,8 %, AUC-Wert: 0,84
• Software nur mit klinischen Daten: Sensitivität 80,6 %, Spezifität 68,3 %, AUC-Wert: 0,80
• Software nur mit CT-Bildern: Sensitivität 83,6 %, Spezifität 75,9 %, AUC-Wert: 0,86

Eine Kombination aus beiden Software-Systemen erzielte jedoch die besten Ergebnisse: Hier zeigte sich eine Sensitivität von 84,3 Prozent und eine Spezifität von 82,8 Prozent, der AUC-Wert war mit 0,92 am höchsten – und somit am nächsten an der sicheren Diagnose. Vor allem bei Fällen, in denen die Radiologen im CT noch keine Auffälligkeiten entdecken konnten, war die KI deutlich überlegen: Von den 25 Patienten, die von den Medizinern zunächst als unauffällig eingestuft wurden – welche nachher jedoch ein positives PCR-Ergebnis zeigten – hatte die KI 17 als Covid-positiv eingestuft. Die Klinik hat daher beschlossen, künftig bei unklaren Fällen eine „zweite Meinung“ durch die Software einzuholen.