CareLit Fachartikel

Novel Artificial Intelligence Chest X-ray Diagnostics: A Quality Assessment of Their Agreement with Human Doctors in Clinical Routine

Wolfram A. Bosbach, Luca Schoeni, Jan Felix Senge, Milena Mitrakovic, Marc-André Weber, Pawel Dlotko, Keivan Daneshvar · RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 2026 · Heft 08 · S. 1037-1048

Dokument
983562
CareLit-ID
Jahr
2026
Publikation
PDF
nein
Metadaten
DOI
ja
zitierfähig

Bibliografische Angaben

Zeitschrift
RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren
Autor:innen
Wolfram A. Bosbach, Luca Schoeni, Jan Felix Senge, Milena Mitrakovic, Marc-André Weber, Pawel Dlotko, Keivan Daneshvar
Ausgabe
Heft 08 / 2026
Jahrgang 198
Seiten
1037-1048
Erschienen: 2026-08-01 00:00:00
ISSN
1438-9029
DOI
10.1055/a-2772-7798

Zusammenfassung

Zusammenfassung Ziel Die steigende Nachfrage nach radiologischen Untersuchungen erfordert innovative Lösungen zur Aufrechterhaltung der diagnostischen Qualität und Effizienz. Diese Studie bewertete die diagnostische Übereinstimmung zwischen zwei kommerziell verfügbaren KI-Systemen für Thoraxröntgenaufnahmen und Radiologen im klinischen Alltag. Materialien und Methoden Wir analysierten retrospektiv 279 Thoraxröntgenaufnahmen (204 stehend, 63 liegend, 12 sitzend) eines Schweizer Universitätsspitals. Sieben thorakale Pathologien wurden bewertet: Kardiomegalie, Konsolidierung, Mediastinaltumor, Rundherd, Pleuraergus…

Schlagworte

Chest X-ray Deep Learning Multi-label Classification Explainability Medical Imaging Übereinstimmung Pathologien Radiologen Aufnahmen Zwischen Pleuraerguss Zeigten Leistung Diagnostische Klinischen Konsolidierung