Sprechstunde

über alles was uns krank macht

Posts Tagged ‘RSNA

Warum die 24h-Pflege nicht sobald durch Künstliche Intelligenz ersetzt wird

with 6 comments


Während manche Kammerfunktionärin heute die Medien mobilisiert, damit bei uns auch über 70-Jährige noch ihren Kassenvertrag behalten dürfen (und für die tägliche Arbeit andere einstellen können) 
Mit 70 soll Schluss sein? Das Nachspiel zum Schlusspfiff 
haben in einer aktuellen Umfrage unter 3400 US-amerikanischen Ärzten 7 von 10 angegeben, ihren Familienangehörigen nicht zu raten, auch den Beruf des Arztes anzustreben.

Desillusionierung mit der beruflichen Praxis, Elektronische Gesundheitsakten, Bürokratie und neue Abrechnungssysteme (Pay-for-Performance-Reimbursement) werden als Ursachen für eine zunehmende Verschlechterung der Gesundheitsversorgung und des Patient-Arzt-Verhältnisses genannt. 
61% der Befragten lehnen die elektronische Patientenakte ob ihrer schlechten Funktionalität, Verlässlichkeit und fehlenden Interoperabilität als frustrierend für Patienten und Ärzte ab.

In wenigen Tagen (25.-30.11.) öffnet der RSNA in Chicago wieder seine Hallen. Diese Veranstaltung der Amerikanischen Radiologischen Gesellschaft ist mit (2017) 52.657 Teilnehmern einer der größten Kongresse überhaupt.
Radiologen zählen weltweit zu den am besten honorierten Fachärzten und Einsparungen lassen sich im Dienstleistungsbereich nur durch Personalreduktion realisieren. Kein Wunder, dass jedes Hilfsmittel freudig begrüßt wird, das verspricht Radiologen durch Algorithmen zu ersetzen. 

Über sieben Jahre ist es her, da habe ich mich hier erstmals mit den Pflegehelferinnen aus dem Osten beschäftigt und mich später auch einmal mit den Nutznießern dieses Systems auseinandergesetzt: 
Die Abkassierer der 24-Betreuung sind unter uns 
Während das Brutto-Einkommen von 24h-Pflegerinnen eher knapp am Steuerfreibetrag liegt, verdienen Radiologen in den USA, der Schweiz und Norwegen jenseits der 300.000 $ pro Jahr. 
Zugegeben, bei uns in Österreich ist das deutlich weniger, aber für jeden eingesparten Facharzt kann sich „das Gesundheitssystem“ noch immer mehr als eine handvoll Pflegerinnen leisten. Wen wundert es da, dass gerade am heurigen RSNA die einschlägigen Angebote boomen. Ob man nun als Arzt seinen Angehörigen raten soll eine Pflegerinnenausbildung zu machen oder doch in die IT-Industrie zu wechseln, soll vorerst einmal offen gelassen werden.Für die Patienten scheint es auch Vorteile zu haben, denn  der diagnostische Teil der Medizin bleibt ihnen i.d.R. verborgen. Kongressveranstalter sollten jedenfalls gewarnt sein, denn die 1996 erreichte Traummarke von über 61.000 Teilnehmern beim damaligen RSNA werden sie wohl nie mehr erreichen. Ja, und wer nun glaubt, dass das alles nix mit unserem Gesundheitssystem zu tun hat, der sei auf meinen Artikel vor weniger als einem Jahr erinnert:
Gesundheit: Zwischen den Zeilen des Regierungsprogramms 
Die Digitalisierung und Telemedizin werden dazu verstärkt eingesetzt; eHealth Anwendungen und Angebote erleichtern den Menschen den Zugang und helfen zukünftig, die Gesundheitskompetenz in der Gesellschaft zu erhöhen
 
(AI=Artificial Intelligence= KI) 

Scientific and Educational Presentations

AI algorithm could decrease number of thyroid biopsies 
Sunday, November 25 | 10:55 a.m.-11:05 a.m. | SSA12-02 | Room S406B 
In this presentation, researchers will describe how the use of an artificial intelligence (AI) algorithm could obviate the need for many biopsies performed on thyroid nodules.

Free-text reports boost AI performance in chest x-rays 
Sunday, November 25 | 11:55 a.m.-12:05 p.m. | SSA12-08 | Room S406B 
A team from the U.S. National Institutes of Health will describe how using free-text radiological reports in training an artificial intelligence (AI) framework can improve performance in classifying multiple results on chest radiographs.

AI taps prognostic power of CT lung cancer screening 
Monday, November 26 | 10:30 a.m.-10:40 a.m. | SSC03-01 | Room E451A 
By analyzing CT lung cancer screening exams, an artificial intelligence (AI) algorithm can predict the likelihood of five other major diseases, researchers from California will report in this presentation.

Deep learning elevates mammography CAD performance 
Monday, November 26 | 11:10 a.m.-11:20 a.m. | RC215-13 | Arie Crown Theater 
Mammography computer-aided detection (CAD) software based on deep learning can perform comparably to radiologists in detecting breast cancer and at a higher level than traditional mammography CAD applications, according to Dutch researchers.

AI speeds up DBT reading time, helps find more cancers 
Monday, November 26 | 11:20 a.m.-11:30 a.m. | RC215-14 | Arie Crown Theater 
In this talk, researchers will report that the concurrent use of artificial intelligence (AI) software while interpreting digital breast tomosynthesis (DBT) screening exams leads to higher radiologist accuracy and much faster reading times.

Deep learning can spot findings early on chest x-rays 
Monday, November 26 | 11:40 a.m.-11:50 a.m. | SSC09-08 | Room E450A 
Researchers from artificial intelligence software developer Qure.ai will share how their deep-learning algorithms can identify some abnormalities on chest radiographs even before they can be visualized by radiologists.

Portable automated x-ray system targets tuberculosis 
Monday, November 26 | 11:50 a.m.-12:00 p.m. | SSC09-09 | Room E450A 
In this talk, researchers will present a portable x-ray system and machine-learning image analysis application designed to make it easier to diagnose tuberculosis in developing and underdeveloped nations.

AI enables CT screening for osteoporosis fracture risk 
Monday, November 26 | 3:00 p.m.-3:10 p.m. | SSE14-01 | Room E353C 
Artificial intelligence (AI) algorithms could enable screening for the risk of osteoporosis-attributed bone fracture by analyzing CT scans that are already being performed for other purposes, according to researchers from Switzerland.

Deep learning may yield sharply lower dose from DBT 
Monday, November 26 | 3:00 p.m.-3:10 p.m. | SSE23-01 | Room S502AB 
In this scientific session, a multi-institutional team of researchers will share how deep-learning technology could lead to nearly 80% lower radiation dose to patients from digital breast tomosynthesis (DBT) studies.

Deep learning spots urgent results on radiology reports 
Tuesday, November 27 | 10:30 a.m.-10:40 a.m. | SSG06-01 | Room N230B 
Deep learning and natural language processing can automatically detect urgent findings on free-text radiology reports, U.S. researchers will report in this scientific presentation.

AI can detect 5 conditions on chest x-rays 
Tuesday, November 27 | 10:30 a.m.-10:40 a.m. | SSG13-01 | Room S404AB 
An artificial intelligence (AI) algorithm system can be highly accurate for detecting five specific findings on chest radiography studies, according to South Korean researchers.

Machine learning bests CAD-RADS for risk assessment 
Tuesday, November 27 | 10:40 a.m.-10:50 a.m. | SSG02-02 | Room S104B 
In this talk, researchers will report that machine learning performs better than the Coronary Artery Disease Reporting and Data System (CAD-RADS) for predicting death and coronary events on coronary CT angiography.

AI combs radiology reports for urgent findings 
Tuesday, November 27 | 10:40 a.m.-10:50 a.m. | SSG06-02 | Room N230B 
In this presentation, researchers will share another approach based on artificial intelligence (AI) for automatically flagging radiology results that need to be urgently communicated to referring physicians.

AI algorithm can triage suspected spine fracture cases 
Tuesday, November 27 | 10:50 a.m.-11:00 a.m. | SSG08-03 | Room S102CD 
A team of researchers from California found that an artificial intelligence (AI) algorithm can assess for the presence of spine fractures on CT exams, serving as a triage tool in the acute trauma setting.

Deep-learning algorithms need real-world testing 
Tuesday, November 27 | 11:20 a.m.-11:30 a.m. | RC305-11 | Room S406B 
Researchers from Boston will show why it’s important for deep-learning algorithms to be tested on real-world cases prior to being deployed in clinical practice for image analysis tasks.

AI can prescreen brain MRIs as normal or abnormal 
Tuesday, November 27 | 3:00 p.m.-3:10 p.m. | SSJ18-01 | Room E451B 
Artificial intelligence (AI) can prescreen brain MRI studies and triage abnormal exams for neuroradiologists, according to researchers from New York.

Machine learning reduces MRI scanning times 
Tuesday, November 27 | 3:30 p.m.-3:40 p.m. | SSJ18-04 | Room E451B 
In this presentation, researchers will show how a machine learning-based image reconstruction algorithm can sharply lower scanning times for brain and lumbar MRI studies.

Deep-learning networks help classify breast density 
Wednesday, November 28 | 10:40 a.m.-10:50 a.m. | SSK02-02 | Room E451B 
Deep-learning networks can help classify breast tissue density, according to researchers from NYU Langone Medical Center.

In-house data train breast cancer detection algorithm 
Wednesday, November 28 | 11:20 a.m.-11:30 a.m. | SSK02-06 | Room E451B 
Researchers from California will share how deep-learning algorithms for breast cancer detection can be trained using an in-house image database.

Deep learning bolsters interpretation of chest x-rays 
Wednesday, November 28 | 11:20 a.m.-11:30 a.m. | SSK05-06 | Room N227B 
Researchers from South Korea will present their deep-learning algorithm for the automatic detection of major thoracic abnormalities on chest radiographs.

AI-based CAD can improve breast cancer detection 
Wednesday, November 28 | 11:30 a.m.-11:40 a.m. | SSK02-07 | Room E451B 
Computer-aided detection (CAD) software based on artificial intelligence (AI) can increase radiologist breast cancer detection rates, according to this scientific presentation.

Algorithm accurately detects changes on chest x-rays 
Wednesday, November 28 | 11:40 a.m.-11:50 a.m. | SSK05-08 | Room N227B 
In this talk, researchers will report that a machine-learning algorithm can perform better than radiologists in detecting changes in findings on serial chest radiographs.

AI algorithm can triage routine abdominal CT exams 
Thursday, November 29 | 10:20 a.m.-10:30 a.m. | RC608-07 | Room E451B 
A Swiss team will describe how an artificial intelligence (AI) algorithm can identify acute findings on routine abdominal CT scans, enabling radiologists to prioritize reading of these urgent exams.

Written by medicus58

4. November 2018 at 13:07

Der Teufel mit dem Belzebub ausgetrieben: CT Screening

leave a comment »


Alljährlich im November pilgert die radiologische Welt in das kalte, windige Chicago um am Kongress der RSNA das neueste Wissen auszutauschen.

Wie es sich für jeden guten Kongress gehört, müssen auch knackige Erkenntnisse an die Presse weitergegeben werden. 
Der neueste Aufreger ist:

Breast Cancer Risk Estimates Increased with Repeated Prior CT and Nuclear Imaging 

also sinngemäß: 
Wiederholte Computertomografie- und nuklearmedizinische Untersuchungen erhöhen das Risiko für Brustkrebs.
http://www2.rsna.org/timssnet/media/pressreleases/pr_target.cfm?ID=639 

Kurz zusammen gefasst fanden die Autoren bei Frauen, die aus verschiedenen Gründen eine oder mehrere dieser Untersuchungen erhielten, bei denen ihr Brustgewebe ionisierenden Strahlen ausgesetzt wurde, ein höheres Risiko an Brustkrebs zu erkranken.

Abstract im Original: 
http://rsna2012.rsna.org/search/event_display.cfm?em_id=12035878&EmbargoedAbstract=true&printmode=1

Diese Studie reiht sich in Dutzende vergleichbare Studien ein, die in den letzten Jahren publiziert wurden (z.B. mehr Hirntumore bei Kindern, die CTs erhielten, Zunahme der Karzinomhäufigkeit bei Dialysepatienten durch häufigere Koronar-CTs, … etc.), die zwar methodisch angreifbar, aber letztendlich einen solchen Zusammenhang herstellten..

Das Bemerkenswerte dieser Ergebnisse ist nicht so sehr, dass es einen Zusammenhang zwischen Krebsrisiko und ionisierender Strahlung gibt, 
das ist seit mindestens einem Jahrhundert bekannt, 
sondern, dass in sehr heterogenen Kollektiven, von denen oft auch nicht alle relevanten Daten vorliegen dieser Zusammenhang auch für sehr kleiner Dosen ( z.B. < 50 mSv Effektivdosis) nachweisbar sein soll.

Thus a child or young adult who undergoes two or more chest or cardiac CTs more than doubles her 10-year risk of breast cancer. 
Ein junges Mädchen verdoppelt durch 2 oder mehr Thorax-CTs ihr 10-Jahres Risiko ein Mammakarzinom zu entwickeln.

Es gibt viele Gründe, weshalb gerade in den letzten Jahren diese Art von Studien in großer Zahl erscheinen. Die Zugänglichkeit der Daten durch die elektronischen Krankenakten (E-Health) ist definitiv ein Faktor, aber natürlich auch ein wesentlicher Kritikpunkt, da – wie hier schon oft gezeigt – diese Datenbanken viele Fehler beinhalten.
Auch einen Versuch der Krankenversicherungen, die Patienten von immer mehr Untersuchungen abzuhalten, würde ich nicht ausschliessen, hat doch die Anzahl der CT-Untersuchungen weltweit und insbesondere in den USA deutlich (ca. 7%/Jahr) zugenommen.

Gerade in den USA (z.T auch in Japan) wurde und wird der jährliche CAT-Scan oder PET/CT zur Karzinom Früherkennung angeboten und von den Patienten auch selbst bezahlt. Auch in Österreich hat es Werbeaussendungen an zahlungskräftige Zielgruppen (Bankmanager,…) gegeben, die so etwas vorgeschlagen haben.

Wenn Sie mich nun fragen, wie man diese neue Studie den einordnen soll, dann ist meine Antwort sehr einfach:

Bei jeder von einem Facharzt aus medizinischen (nicht ökonomischen Gründen) indizierte Untersuchung mit ionisierenden Strahlen überwiegt der mögliche Nutzen (Bestätigung oder Ausschluss eines schweren Verdachts) das (wie niedrig auch imemr anzusetzende Gesundheitsrisiko.

Jede unnötige Anwendung von ionisierenden Strahlen, 
weil es der Patient verlangt 
(z.B. Eltern nach Sturz ihres Säuglings aus dem Bettchen),
weil es der Zuweiser verlangt
(z.B. weil er wo gelesen hat, dass man das nun macht)
weil es der Verwalter will
(z.B. weil sich sonst das Gerät nicht amortisiert)
ist von den dafür ausgebildeten Fachärzten zu untersagen.

Dies finden Sie übrigens schon in der Patientenschutzrichtlinie EURATOM 97 bzw. in deren Übernahme in das Österreichische Recht.
 
Dies sei auch all unseren Gesundheitsökonomen ins Stammbuch gekritzelt, die glauben, dass sich ärztliche Tätigkeit nur durch die Anzahl der durchgeführten Tätigkeiten messen läßt

Die begründete Ablehnung einer Untersuchung, egal ob dem Zuweiser oder Patienten gegenüber, kostet unendlich mehr Zeit als die Durchführung einer unnötigen Untersuchung, bringt aber kein Geld. 

Sollte vielleicht auch einmal in der Debatte um die Gesundheitsreform berücksichtigt werden ….

Written by medicus58

28. November 2012 at 16:21

%d Bloggern gefällt das: