Pilotanwendung 2: Algorithmus zur Identifikation von Therapieoptionen

Realisation eines prototypischen Workflowprozesses für die Identifikation behandlungsbedürftiger Epilepsieläsionen mittels MRT-Daten

Ausgangssituation

Bei zahlreichen neurologischen Erkrankungen hat die neuroradiologische Schnittbildgebung (Computertomographie; Magnetresonanztomographie, MRT) des Gehirns eine zentrale diagnostische Bedeutung. Ihr Ergebnis hat einen unmittelbaren Einfluss auf Therapieentscheidungen und damit mittelbar auch auf den Verlauf von Erkrankungen. Das Spektrum epileptogener Läsionen ist unter Radiologen aber nicht umfänglich bekannt – hierdurch können Therapieoptionen übersehen werden. Ärzte, die die neuroradiologische Schnittbilddiagnostik betreiben (in der Regel Radiologen) stoßen bei zunehmender Arbeitsverdichtung und komplexer werdenden Untersuchungsverfahren an Grenzen, dieser Aufgabe gerecht zu werden. Daher besteht die Hoffnung, durch KI-unterstützte Auswertungsverfahren die Detektion therapierelevanter Befunde der Schnittbilddiagnostik unterstützen zu können.

Ziel des Pilotprojektes ist die Realisierung eines KI-assistierten MRT-Diagnostik sowie die Analyse der Akzeptanz seitens Radiologen und die Einbindung in den Versorgungsprozess der Neurologen. Diese soll in zwei Studien (retrospektiv und prospektiv) auf ihre praktische Umsetzbarkeit und Akzeptanz zu überprüft werden.

Vorgehen

Teil 1:

Vorgehensmodell für die Interaktion an Mensch-KI-Mensch-Schnittstellen im Workflow (IAW)

Teil 2:

Interview- und Dialogleitfäden zur partizipativen Einbindung von Beschäftigten, Betriebs- und Personalräten sowie weiteren Mitbestimmungsorganen (GA RUB/IGM)

Teil 3:

Rollentraining für KI-Entwickler und KI-Nutzer entlang der Kompetenzdimensionen (IAW)

Wissenschaftliche Publikationen

Gersch, M., Meske, C., Bunde, E., Aldoj, N., Wesche, J., Wilkens U. & Dewey, M. (2021): Vertrauen in KI- basierte Radiologie – Erste Erkenntnisse durch eine explorative Stakeholder-Konsultation. In: Bruhn, M. & Hartwich, K. (Hrsg.): Künstliche Intelligenz im Dienstleistungsmanagement. Forum Dienstleistungsmanagement (S. 309-335), Band 22, Springer Nature, 2021. https://doi.org/10.1007/978-3-658-34326-2_12

Thewes F., Langholf V., Meske C., Wilkens U. (Hg.) (2022): Towards a process model for cross-domain AI development – Insights from neuroradiological imaging. Unter Mitarbeit von Gesellschaft für Arbeitswissenschaft e.V. Frühjahrskongress 2022. Magdeburg: GfA-Press (Technologie und Bildung in hybriden Arbeitswelten).

Langholf, V.; Ranft, A.; Will, L.; Denz, R.; Schwarz, J.; Syoufi, M.; Rath-Manakidis, P.; Kämmerer, M.; Kremers, M.; Mosig, A.; Wilkens, U.; Wellmer, J.: Multi-stakeholder AI Ethics in Radiology: Implications for integrated technology and workplace design

Langholf, V.; Ranft, A.; Will, L.; Denz, R.; Schwarz, J.; Syoufi, M.; Rath-Manakidis, P.; Kämmerer, M.; Kremers, M.; Mosig, A.; Wilkens, U.; Wellmer, J. (2026): KI-Ethik im Multi-Stakeholder-Umfeld in der Radiologie. In: I4S 1/2026: Angewandte KI-Ethik am Arbeitsplatz. Eine gemeinsame Verantwortung – von der Radiologie und Sprachtherapie bis zur Montage. Industry 4.0 Science.