Sei es in der Lungenfunktionsuntersuchung und der Spiroergometrie oder dem Schlaflabor – künstliche Intelligenz ist bereits in vielen Bereichen der pneumologischen Diagnostik angekommen, berichtete Dr. med. Rainer Glöckl (Schönau). Eine erste Benchmark zum Stellenwert der KI bei der Lungenfunktionsdiagnostik hatte bereits eine Studie aus dem Jahr 2019 gesetzt: 120 Pneumologinnen und Pneumologen aus 16 europäischen Krankenhäusern bewerteten 50 Patientenfälle anhand der Lungenfunktion sowie weiteren klinischen Daten, was zu 6 000 unabhängigen Interpretationen führte [1]. Die KI-Software untersuchte dieselben Daten. Sowohl in der Erkennung der Lungenfunktionsmuster als auch in der Stellung der korrekten Diagnose war die KI dem ärztlichen Personal signifikant überlegen. Hinzu kommt der zeitliche Aspekt: Während die Pneumologinnen und Pneumologen im Schnitt 2,5 Stunden pro Fall aufwendeten, benötigte die KI hingegen lediglich 10 Sekunden.

Eine weitere Untersuchung aus dem Jahr 2023 verglich in einem ähnlichen Setting die Kombination aus ärztlicher Diagnose und KI versus ärztlicher Diagnose allein: Hierfür analysierten 62 Fachärztinnen und Fachärzte zunächst ohne KI-Unterstützung die Daten von 24 Patientenfällen. In einem zweiten Schritt befundeten sie die Fälle erneut, ergänzt durch Daten der KI, die aufgrund der Auswertung von Parametern wie Alter, Raucherstatus etc. die Wahrscheinlichkeit gewisser Diagnosen angaben [2]. „Es zeigte sich, dass mit Unterstützung der KI die Pneumologen und Pneumologinnen signifikant häufiger die richtige Diagnose gestellt haben“, so Glöckl. Die Ärztinnen und Ärzte waren sich zudem subjektiv in ihrer Diagnose mit der KI deutlich sicherer. Nur in sehr seltenen Fällen wurde eine von der KI falsch gestellte Diagnose übernommen. Den größten Zugewinn hinsichtlich der verbesserten Diagnose-Performance gab es bei interstitiellen Lungenerkrankungen (ILD): Ohne KI waren 43 % der Diagnosen korrekt, mit KI stieg der Erfolg auf 72 %.

‍

Von Auskultation bis Spirometrie

Als wertvolles Tool für die Diagnostik bezeichnete der Experte die Auskultation mit einem digitalen Stethoskop. Im Zuge einer Studie wurden Atem­geräusche von 112 Kindern mit chronischen Lungenerkrankungen aufgenommen und anschließend durch eine KI sowie durch Kinderärztinnen und -ärzte bewertet [3]. Bezüglich der Genauigkeit bei der ­Erkennung von Atemgeräuschen wie Rasseln oder Giemen war die KI hinsichtlich der Interpretation der Audiosignale signifikant besser.

Auch die Radiologie hat sich bereits mit KI auseinandergesetzt: Bei der Beurteilung von CT-Thorax-Befunden kommt es zu einer signifikanten Verbesserung der Diagnosesicherheit durch den ergänzenden Einsatz von KI [4].

Wie steht es um KI in der Spirometrie? Eine Pilotstudie untersuchte das Potenzial computergestützter Algorithmen für die Auswertung spiroergome­trischer Daten zur Identifizierung von chronischer Herzinsuffizienz und COPD [5]. Die Ergebnisse der Krankheitsklassifizierung zeigen, dass die Gesamtvorhersagekraft des Interpretationsmodells zwischen 96 % und 100 % liegt. Darüber hinaus betrugen die Sensitivität, Spezifität und Gesamtpräzision jeweils 99 %.

‍

Seltenen Erkrankungen auf der Spur

Auch für die Diagnostik von Alpha-1-Antitrypsin (AAT)-Mangel werden KI-Modelle erprobt, berichtete Glöckl. Auswertungen einer amerikanischen Datenbank belegen, dass von 18 Millionen COPD-Patien­tinnen und -Patienten nur 1,4 % auf diese seltene Erkrankung getestet wurden. Davon waren lediglich 3 % positiv. Ein Machine-Learning-Ansatz wurde mit Trainingsdaten von 3,6 Millionen an AAT-Mangel Erkrankten gefüllt [6]. „Es wurde rückwirkend erho­ben, welche Behandlung, welche Diagnose und welche Maßnahmen in welchem zeitlichen Verlauf durchgeführt wurden“, erläuterte Glöckl. Durch den Machine-Learning-Ansatz kann man unterscheiden, ob es sich um COPD-Betroffene mit oder ohne ­Alpha-1-Antitrypsin-Mangel handelt. Die trainierte KI hat es geschafft, 88 % der betroffenen Patientinnen und Patienten zu identifizieren. Angesichts des Testaufwands und der verfügbaren Ressourcen sei der Einsatz der KI eine gute Vorselektion, um diese Personen anschließend bewusst auf die ­seltene Erkrankung zu testen.

‍

Inhalationskontrolle mit Apps

In den Praxen sei ein relevanter Anteil der Patienten und Patientinnen mit Asthma trotz gut verordneter inhalativer Therapie nicht optimal kontrolliert, rief Holger Woehrle (Ulm) in Erinnerung. Eine weitere Herausforderung in der ambulanten Versorgung sei die mangelnde Therapietreue: „Nur 50 % der ­Patienten machen im Schnitt nach einem Jahr noch das, was der Arzt ihnen empfohlen hat“, so der Pneumologe. Die mangelnde Adhärenz könne unter anderem zu vermehrten Exazerbationen sowie einer reduzierten Lebensqualität führen. Es gelte also, die Adhärenz zu fördern. Ein wichtiger Baustein ist hierbei das Training zur korrekten Inhalatoranwendung. Darüber hinaus können Apps die Asthma-Therapie unterstützen. Auf der Website der Deutschen Atemwegsliga gibt es eine Übersicht der verfügbaren Apps. Im Bereich der ambulanten Pneumologie lasse sich unter anderem mit der Kata-App ein digitales Inhalationstraining umsetzen, meinte Woehrle.

Einen Schritt weiter geht beispielsweise die breazyTrack-App, die ein digitales Krankheitsmanagement durch die Betroffenen selbst unterstützt. Hier ­wurden laut dem Experten bereits erste Selektivverträge mit Krankenkassen abgeschlossen, bisher fehlen jedoch Konzepte, die Technologie sinnvoll in die Regelversorgung zu integrieren. Zukünftig könnten Smartwatches eine zunehmend bedeutende Rolle durch die Möglichkeit des Monitorings von Vitalparametern einnehmen.

‍

Vor allem beim Thema Mustererkennung erzielt die KI gleichwertige oder bessere Ergebnisse als medizinisches Fachpersonal. Insbesondere durch die Zusammenarbeit von künstlicher Intelligenz und Ärztin bzw. Arzt ergibt sich ein zusätzlicher Nutzen. Die KI kann eine Arbeitserleichterung ermöglichen und dadurch mehr Zeit für die Patientenbetreuung verschaffen. Für ein Selbstmanagement der Erkrankung durch die Patientinnen und Patienten empfehlen sich entsprechende Apps.