Intel und GE Healthcare kooperieren, um KI im Bereich der medizinischen Bildgebung voranzutreiben

GE Healthcare setzte die Intel® Vision-Technologie ein, um einen KI-Algorithmus zu entwickeln, mit dessen Hilfe das medizinische Personal potenziell lebensbedrohliche Fälle schneller einstufen kann.

Auf einen Blick

  • GE Healthcare hat einen KI-Algorithmus neuer Art eingeführt, der in das Röntgenbildgebungsgerät integriert ist und dazu beiträgt, die Produktivität der Benutzer zu erhöhen, die Zeit bis zur Diagnose zu verkürzen und die Patientenversorgung zu verbessern.

  • Das Intel® Distribution of OpenVINO™ Toolkit verbesserte die Leistungsfähigkeit des Algorithmus, indem es die Inferenzzeit des Pneumothorax und die Zeit zur Analyse einer Röntgenaufnahme von mehr als drei Sekunden auf unter eine Sekunde senkte.1

  • KI-gestützte Röntgengeräte können kritische Krankheitsfälle auf dem Gerät kennzeichnen und zwecks sofortiger Selektierung an Radiologen schicken.

  • Damit KI-Lösungen eingeführt werden können, sollten sie in bestehende Arbeitsabläufe integriert werden können und den Benutzern helfen, ihre Aufgaben effizienter zu erledigen.

BUILT IN - ARTICLE INTRO SECOND COMPONENT

Wenn es darum geht, kritische Patientenzustände zu diagnostizieren, zählt jede Sekunde. Aus diesem Grund haben GE Healthcare und Intel Röntgenlösungen entwickelt, mit denen lebensbedrohliche Zustände in Sekundenschnelle erkannt, Arbeitsabläufe optimiert und kritische Krankheitsfälle gezielter gewichtet werden können und somit die Geschwindigkeit und Genauigkeit der medizinischen Bildgebung verbessert werden.

Neue Intelligenz im Röntgenbereich garantiert verbesserte Patientenversorgung

Wie könnte künstliche Intelligenz (KI) verwendet werden, um die medizinische Bildgebung voranzutreiben und die Behandlungsergebnisse zu verbessern? Das war die Frage, die GE Healthcare zu beantworten suchte, als es begann sich intensiv mit Arbeitsabläufen von Krankenhäusern zu beschäftigen. Sie befragten Radiologen und Radiologieassistenten und observierten Operationen im gesamten Krankenhaus, um festzustellen, wie das Personal die Röntgenanlagen benutzt.

Als nächstes wurde das Krankenhauspersonal gebeten, zu bestimmen, welche der vielen Verwendungsmöglichkeiten von Röntgengeräten am meisten von KI profitieren würden. Die Antwort war klar: Sie wollten, dass die KI dazu beiträgt, die Handhabung von Krankheitsfällen mit kritischen Befunden zu verbessern, um dadurch die Patienten besser therapieren zu können. Sie suchten insbesondere Hilfe hinsichtlich jener Leiden, die unter bestimmten Bedingungen und in seltenen Fällen zu lebensbedrohlichen Folgen führen können, wenn sie übersehen werden.

Ein weiterer Problempunkt stellte der derzeitige First-in-First-out-Arbeitsablauf dar, der in der Regel zu langen Umlaufzeiten (turn-around times, TATs) führte, selbst in Krankheitsfällen, die als Notfälle oder dringlich eingestuft wurden. Durch diese Vorgehensweise entstand eine Warteschlange mit dringlichen Krankheitsfällen, wobei nicht klar war, welche Fälle zuerst bearbeitet werden sollten. Die Benutzer wünschten sich eine Lösung, die gewährleistet, dass die richtige Person das Röntgenbild zum richtigen Zeitpunkt auswertet und somit die bestmögliche Patientenversorgung möglich ist.

Die Critical Care Suite von GE Healthcare integriert KI auf dem Gerät

Als Reaktion auf die Bedürfnisse seiner Kunden hat GE Healthcare seine Critical Care Suite entwickelt – eine Reihe von KI-Algorithmen, die zur Erkennung kritischer Befunde auf einem Röntgen-Thorax entwickelt wurden. Die Lösung ist für die Systeme Optima XR240amx verfügbar und stellt einen bedeutenden Fortschritt für die Analyse von Röntgenaufnahmen dar, die heute etwa 50 Prozent der medizinischen Bildgebung ausmachen.2

„Das Besondere an der Arbeit von GE Healthcare ist, dass es sich um einen KI-Algorithmus neuer Art handelt, der in das Bildgebungsgerät integriert ist”, so Todd Minnigh, Vertriebsleiter des Röntgenbereichs, GE Healthcare. „Also, ist das Ding, das die Bilder aufnimmt, auch für die Verarbeitung zuständig. Es befindet sich nicht in der Cloud und nicht irgendwo auf einem nachgelagerten Server. Es kann kritische Zustände erkennen und ermöglicht es den Anbietern, diese zu priorisieren, so dass die Krankheitsfälle schneller gekennzeichnet werden können.

Wenn der Algorithmus am Behandlungsort auf denselben auf Intel®-Prozessoren gestützten Systemen ausgeführt wird, die die Röntgenaufnahmen durchführen, kann das Krankenhaus wichtige Befunde schneller identifizieren. KI-Befunde zu potenziell kritischen Zuständen werden dem Radiologen zur gleichen Zeit wie die Originalaufnahme an das Bildarchivierungs- und Kommunikationssystem gesendet wird, übermittelt. Darüber hinaus ermöglicht die Funktion, Qualitätsprobleme in Echtzeit zu erkennen und zu kennzeichnen, dass der Radiologieassistent entscheiden kann, ob ein Bild erneut aufgenommen oder verarbeitet werden sollte und das noch während sich der Patient im Labor befindet.

Durch all dies kann zugunsten beunruhigter Patienten eventuell schneller auf Befunde zugegriffen werden, Workloads können für vielbeschäftigte Mediziner leichter und neu eingestuft werden und es kann zu besseren Behandlungsergebnissen der Patienten kommen.

GE Healthcare bemühte sich, die Lösung zu testen, indem es sich mit einem besonders schwierigen Anwendungsfall befasste, bei dem Röntgenstrahlen zur Untersuchung auf Pneumothorax eingesetzt werden, einem lebensbedrohlichen, schwer feststellbaren Gesundheitszustand, bei dem Luft oder Gas in den Hohlraum zwischen Lunge und Brustwand eindringt und zu einem Kollaps der Lunge führt.

Das Besondere an der Arbeit von GE Healthcare ist, dass es sich um einen KI-Algorithmus neuer Art handelt, der in das Bildgebungsgerät integriert ist. Es befindet sich nicht in der Cloud und nicht irgendwo auf einem nachgelagerten Server. Es kann kritische Zustände erkennen und ermöglicht es den Anbietern, diese zu priorisieren, so dass die Krankheitsfälle schneller gekennzeichnet werden können.

Todd Minnigh, Vertriebsleiter des Röntgenbereichs, GE Healthcare

Intel hilft GE Healthcare dabei, die Erkennung von Pneumothorax auf dem Röntgensystem Optima XR240amx um mehr als das 3-Fache zu beschleunigen1

Heutzutage befinden sich die meisten KI-Lösungen, die auf Krankenhaus-Workflows abzielen, in der Cloud oder auf einem Krankenhausserver. Mithilfe der Critical Care Suite wollte GE Healthcare die Kosten reduzieren, die Installationszeit verkürzen und Sicherheitsrisiken verringern.3 Da jede Sekunde zählt, wurden die Verarbeitung und Intelligenz im Bildgebungsgerät selbst integriert, wodurch unnötige Verzögerungen vermieden werden. So müssen keine Komponenten ausgetauscht oder ergänzende Infrastruktur beigefügt werden. 

Das Ziel der Critical Care Suite ist die Optimierung der frontalen Thorax- und Oberfeldposition bei Röntgenaufnahmen, während gleichzeitig die Ergebnisse der Pneumothorax-Inferenzierung nach der Bildaufnahme beschleunigt werden sollen. Die Verlagerung der Compute-Intelligence auf die maschinelle Ebene würde schnelle Arbeitsabläufe ermöglichen und es den Radiologen ermöglichen, Ergebnisse zugunsten besorgter Patienten, die Gewissheit suchen, schnell zu verarbeiten.

Um Unterstützung zu erhalten, wandte sich GE Healthcare an Intel und seine Computer-Vision-Tools. Intel sah sich gleichermaßen dazu verpflichtet, die Geschwindigkeit von GE-Röntgengeräten zu erhöhen und qualitativ hochwertigere Röntgenaufnahmen zu ermöglichen, um die Patientenversorgung und die Behandlungsergebnisse zu optimieren. Intel wirkte unter Verwendung des Intel® Distribution of OpenVINO™ Toolkits an der Optimierung der Algorithmen der Critical Care Suite mit. Das Toolkit umfasste Tools für maschinelles Sehen und Deep-Learning-Inferenz, einschließlich der auf faltungscodierte bildbasierte Klassifizierungsmodelle, die für die in den Bildgebungssystemen von GE Healthcare verwendeten Intel® Prozessoren optimiert sind. 

Die Umstellung auf das Intel® Distribution of OpenVINO™ Toolkit verbesserte die Leistung sämtlicher Modelle, wobei das Pneumothorax-Modell am meisten davon profitierte, da die Inferenzzeit von mehr als drei Sekunden auf unter eine Sekunde sank.1 Die Inferenzierung des Pneumothorax auf dem Röntgensystem Optima XR240amx beschleunigte sich um das 3,3-Fache im Vergleich zur Inferenzierung ohne Optimierungen.4 Intel hat zudem bei der Schulung des GE-Healthcare-Teams geholfen, um fortan maximalen Nutzen aus seinem Algorithmus zu ziehen. 

„Der Schlüssel zum Erfolg eines jeden Menschen ist es, sich Partner auszusuchen, die es sich zum Ziel gesetzt haben, dir zum Erfolg zu verhelfen”, erklärte Katelyn Nye, Global Product Manager des Röntgenbereichs, Künstliche Intelligenz und Analytik, GE Healthcare. „Und das hat Intel definitiv für uns getan.”

Wichtig für GE Healthcare war auch die Möglichkeit, seine große Installationsbasis von auf Intel basierenden Systemen zu versorgen. Die KI-basierte Innovation musste für alle durch Software-Upgrades oder über einen klaren Hardware-Upgrade-Pfad für ältere Systeme verfügbar sein. 

„Damit KI-Lösungen eingeführt werden können, sollten sie in bestehende Arbeitsabläufe integriert werden können”, erklärte Nye. „Man wünscht sich keine zusätzlichen Betriebskosten oder Belastungen. Der Ansatz von GE Healthcare für den Bau intelligenter Maschinen besteht darin, zusätzliche Schritte, Arbeitsabläufe oder Infrastrukturen zu vermeiden, sofern die Aufgabe mit den bereits vorhandenen Ressourcen des Kunden durchgeführt werden kann.”

Kleine Probleme entdecken, bevor sie zu großen werden

Zusätzlich zu der KI-basierten Pneumothorax-Lösung wünschte sich GE Healthcare KI-Anwendungen, die Radiologieassistenten dabei unterstützen, weitere Beiträge zur Verbesserung der Patientenversorgung zu leisten. Diese Bemühungen führten zur Entwicklung von drei zusätzlichen qualitätsorientierten Algorithmen, die den Radiologieassistenten unabhängig von ihrem Erfahrungsstand helfen sollen, andere Benutzer zu betreuen oder zu schulen.

Ein Beispiel ist der neue intelligente Autorotate-Algorithmus. Radiologieassistenten mussten die Aufnahmen bislang manuell drehen, um die richtige Ausrichtung zu finden. Schätzungen gehen davon aus, dass Radiologieassistenten allein durch die Automatisierung dieser Aufgabe etwa 70.000 Tastenklicks pro Jahr oder bis zu drei volle Arbeitstage einsparen werden.5

Die Zielsetzung von GE Healthcare besteht darin, weiterhin röntgenbezogene Aufgaben zu finden, die sich automatisieren lassen. Auf diese Weise kann das Unternehmen schneller Dateneinblicke gewinnen und die Radiologieassistenten entlasten, damit sie sich schneller durch die 50 Petabyte an Daten arbeiten können, die die Krankenhäuser mittlerweile jedes Jahr erzeugen.6

Durch ihre Zusammenarbeit wissen GE Healthcare und Intel, dass eine schnellere und qualitativ hochwertigere Röntgenbildgebung die Produktivität des Personals erhöhen kann, zu einer besseren Pflege und einer gesünderen Welt führen kann.

Erfahren Sie, wie Lösungen von Intel und unseren Partnern das Gesundheitswesen voranbringen

Das Cloud-basierte Gesundheitswesen

Ausgelegt, um sämtliche Arten von Daten aus dem Gesundheitswesens zu bündeln, diese Daten mit einem globalen Netzwerk von Stakeholdern aus dem Gesundheitswesens zu verbinden und ein breites Spektrum an KI- und Analyseanwendungen anzubieten.

Artikel lesen

Einsatzbereite Lösungen

Intel® IoT Market Ready Solutions (Intel® IMRS) sind direkt einsatzbereite Lösungen, die sofort Auswirkungen erzielen.

Mehr über die Lösungen

Produkt- und Leistungsinformationen

1Offenlegung der Systemtestkonfiguration: Intel® Core™ i5-4590S CPU mit 3,00 GHz, x86_64, VT-x aktiviert, 16 GB Arbeitsspeicher, Betriebssystem: Linux Magic x86_64 GNU/Linux, Ubuntu 16.04 Inferenzdienst für Docker-Container. Getestet durch GE Healthcare, September 2018. Der Test vergleicht die gesamte Inferenzzeit des TensorFlow-Modells von 3,092 Sekunden mit demselben Modell, das mittels des optimierten TF-Modells des Intel® Distribution of OpenVINO™ Toolkits optimiert wurde, wodurch eine insgesamte Inferenzzeit von 0,913 Sekunden erzielt wurde.
2Kellner, Tomas, „Data Vision: This X-Ray App Could Help Hospitals Cut Costs”, GE-Reports, 26. November 2017: ge.com/reports/data-vision-x-ray-app-help-hospitals-cut-costs.
3Die Merkmale und Vorteile der Intel® Technik hängen von der Systemkonfiguration ab und können geeignete Hardware, Software oder die Aktivierung von Diensten erfordern. Die Leistungsmerkmale variieren je nach Systemkonfiguration. Kein Produkt und keine Komponente bieten absolute Sicherheit. Informieren Sie sich beim Systemhersteller oder Fachhändler oder auf intel.de.
4Offenlegung der Systemtestkonfiguration: Intel® Core™ i5-4590S CPU mit 3,00 GHZ, x86_64, VT-x aktiviert, 16 GB Arbeitsspeicher, Betriebssystem: Linux Magic x86_64 GNU/Linux, Ubuntu 16.04 Inferenzdienst für Docker-Container. Getestet durch GE Healthcare, September 2018. Der Test vergleicht die gesamte Inferenzzeit des TensorFlow-Modells von 3,092 Sekunden mit demselben Modell, das mittels des optimierten TF-Modells des Intel® Distribution of OpenVINO™ Toolkits optimiert wurde, wodurch eine insgesamte Inferenzzeit von 0,913 Sekunden erzielt wurde.
5Younis, K., Soni, R., Zhang, M., Akram, N., Vera, Nye, K., G., Rao, G., Avinash, G. und John Sabol (2019). Der Einsatz von künstlicher Intelligenz mit Deep-Learning-Fähigkeit zur Erkennung der Ausrichtung von Thorax-Röntgenaufnahmen. Society for Imaging Informatics in Medicine (SIIM), Conference on Machine Intelligence in Medical Imaging (C-MIMI), Vortrag.
6„Beyond Imaging: The Paradox of AI and Medical Imaging Innovation”, The Pulse, 24. September 2018: newsroom.gehealthcare.com/beyond-imaging-ai-imaging-Innovation.