146 Krankheiten aus einem CT-Scan: Alibabas Medizin-KI übertrifft die meisten Radiologen

Medizin-KI erkennt bislang meist nur eine Krankheit pro Modell. Alibabas Forschungsabteilung DAMO Academy hat nun ein System vorgestellt, das ein komplettes Bauch-CT auf 146 verschiedene Befunde absucht, von der harmlosen Zyste bis zum Bauchspeicheldrüsenkrebs. Die Ergebnisse stehen im Fachjournal Science, das Modell liegt offen auf GitHub.

drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen

RADAR, so der Name des Modells, deckt die gesamte Bandbreite der Bauchorgane ab, nicht nur ein einzelnes Leiden. In einer Vergleichsstudie übertraf das System 23 von 26 Radiologen.^[1]

Das Wichtigste in Kürze

• RADAR wertet ein Bauch-CT auf 18 Organregionen und 146 Krankheitsbilder aus, von Zysten bis zu Leber-, Magen- und Bauchspeicheldrüsenkrebs.
• Trainiert wurde das Modell auf über 400.000 CT-Untersuchungen; im internen Test erreichte es einen AUC-Wert von 0,913.
• Mit KI-Unterstützung stieg die Trefferquote von 26 Radiologen um rund zehn Prozent, die Lesezeit sank um mehr als 30 Prozent.
• Alibaba stellt Modell und Code offen bereit; im DACH-Raum gilt solche Diagnose-KI als Hochrisiko-System unter dem EU AI Act.

Was liest RADAR aus einem CT-Bild?

RADAR zerlegt einen CT-Datensatz in einzelne anatomische Einheiten und gleicht jede mit den Formulierungen echter Befundberichte ab, ohne dass ein Mensch die Bilder von Hand beschriften muss.^[1] So deckt das Modell 18 Organregionen und 146 Krankheitsbilder ab, darunter Tumoren an Leber, Magen und Darm.

Trainiert wurde die Medizin-KI auf über 400.000 kontrastverstärkten Bauch-CTs und 15 Millionen Bild-Text-Paaren. Im internen Test an 39.160 Untersuchungen erreichte sie einen AUC-Wert von 0,913, ein Maß für die Trennschärfe zwischen krank und gesund.

Warum bricht ein Generalist mit dem Muster?

Bisher entstand Diagnose-KI meist als Spezialist für ein einziges Leiden. DAMO selbst baute PANDA für Bauchspeicheldrüsenkrebs, das in China über 70.000 Menschen screente und in den USA eine FDA-Breakthrough-Einstufung erhielt, dazu GRAPE für Magenkrebs. RADAR führt diesen Ansatz in einem Generalisten zusammen, ähnlich wie SenseTimes Klinik-Weltmodell oder die KI-Wirkstoffsuche, für die Boehringer den Owkin-Forscher K Pro lizenziert.

Der Nutzen zeigt sich in der Zusammenarbeit. Mit RADAR an der Seite stieg die Trefferquote der 26 Radiologen um rund zehn Prozent, die Lesezeit pro Fall sank um mehr als 30 Prozent.^[1]

Was bedeutet das für Kliniken im DACH-Raum?

Für europäische Häuser ist so ein System Hochrisiko-KI. Als diagnostische Komponente eines Medizinprodukts fällt es unter den EU AI Act und die Medizinprodukte-Verordnung, braucht also CE-Kennzeichnung, ein Konformitätsverfahren und eine dokumentierte menschliche Aufsicht. RADAR lernte fast ausschließlich an asiatischen Patientendaten, seine Genauigkeit muss an europäischen Kohorten erst neu belegt werden. Wie eng Regulierung und Klinikalltag verzahnt sind, zeigt die KI-Strategie von Siemens Healthineers ebenso wie das Ringen um die Photon-Counting-Bildgebung in Europa.

Handeln lässt sich trotzdem. Offen heißt nicht freigegeben: Der GitHub-Code darf zur Forschung laufen, nicht ungeprüft am Patienten.^[2] Gegen den wachsenden Radiologenmangel hilft solche Software nur, wenn Kliniken die Modelle an eigenen Falldaten validieren und den Facharzt in der Verantwortung halten, als Prüfer der KI, nicht als deren Ersatz.

Quellen

[1] Science: „An expert-level generalist AI for abdominal CT diagnosis“ (DOI 10.1126/science.aec6129).

[2] Alibaba DAMO Academy: RADAR-Quellcode und Modell auf GitHub.

Mehr Newshunger?

• SenseTimes Medizin-KI wird zum Einhorn und verspricht ein Weltmodell für die Klinik
• Boehringer lizenziert Owkins KI-Forscher K Pro für die Wirkstoffsuche
• Siemens Healthineers: KI ja, KI-Strategie nein
• Photon-Counting-CT: GE beendet in Europa den Alleingang von Siemens Healthineers
• Antoine ließ Claude Code eine Zweitmeinung zu seinem MRT erstellen