Wissenschaftliche Studien zu Künstlicher Intelligenz in der Veterinärmedizin
Es ist sinnvoll, innovativen Fortschritt wie die Entwicklung von Künstlicher Intelligenz (KI) wissenschaftlich zu begleiten und zu evaluieren. Der Einsatz von KI in der Veterinärmedizin kann eine weitreichende und nützliche Unterstützung für den Tierarzt sein. Eine wissenschaftliche Studie, die die Messgröße VHS zum Fokus hat, kommt genau zu diesem Ergebnis.
Studie „Comparison of a Deep Learning Algorithm vs. Humans for Vertebral Heart Scale Measurements in Cats and Dogs Shows a High Degree of Agreement Among Readers" - Übersetzung: Vergleich eines Deep-Learning-Algorithmus mit dem Menschen bei der Messung der Wirbelsäulen-Herzfrequenz bei Katzen und Hunden zeigt eine hohe Übereinstimmung zwischen den Lesern“
Copyright © 2021 Boissady, De La Comble, Zhu, Abbott and Adrien-Maxence
Herzerkrankungen sind eine der häufigsten Todesursachen bei Hunden und Katzen. Die Wirbelherzskala (VHS - Vertebral Heart Score) ist ein Instrument zur Quantifizierung der radiologischen Herzvergrößerung und zur Vorhersage des Auftretens von Herzinsuffizienz. Diese Messgröße wird auf Basis von Röntgenaufnahmen bestimmt.
Das Ziel dieser Studie war es, die Leistung von Künstlicher Intelligenz (KI) bei der Durchführung von VHS-Messungen im Vergleich zu zwei staatlich geprüften Spezialisten zu evaluieren. Die Datengrundlage bestand aus dem Durchschnitt der einzelnen VHS-Messungen, die von den zertifizierten Fachärzten durchgeführt wurden. Dabei wurden zwei verschiedene Methoden zur Bestimmung der kurzen Herzachse auf Röntgenbildern von Hunden genutzt: Zum einen die ursprüngliche Methode, die von Buchanan veröffentlicht wurde, und zum anderen die modifizierte Methode, die von den Autoren der EPIC-Studie vorgeschlagen wurde. Zur Beurteilung der Katzen-Röntgenbilder wurde lediglich die von Buchanan entwickelte Methode verwendet.
Insgesamt zeigte das von der KI, dem Radiologen und dem Kardiologen berechnete VHS sowohl bei Hunden als auch bei Katzen ein hohes Maß an Übereinstimmung (Intraklassen-Korrelationskoeffizient (ICC) = 0,998). Bei Hundepatienten ergab der Vergleich der zwei Methoden, welche von den Spezialisten eingesetzt wurden, ebenfalls ein hohes Maß an Übereinstimmung (ICC = 0,999). Bei der spezifischen Auswertung der Ergebnisse der KI-VHS im Vergleich zu den Messwerten der beiden Fachärzte war die Übereinstimmung sowohl bei Röntgenaufnahmen von Hunden (ICC = 0,998) als auch bei Röntgenaufnahmen von Katzen (ICC = 0,998) ausgezeichnet. Die Leistung der auf die Lokalisierung von VHS-Referenzpunkten trainierten KI entsprach der manuellen Berechnung durch Spezialisten für Katzen und Hunde.
Eine solche computergestützte Technik könnte daher für Allgemeintierärzte von großem Vorteil sein, um die Variabilität zwischen Beobachtern zu begrenzen und im Laufe der Zeit besser vergleichbare VHS-Messwerte zu erhalten.
Das in der Studie zur VHS-Bemessung eingesetzte Convolutional Neural Network (CNN) liegt auch unserer PicoxIA-Software zugrunde. Diese Software zur KI-gestützen Röntgenbefundung erkennt spezifische Läsionen in ausgewählten Regionen bei Röntgenaufnahmen von Hunden und Katzen. Ein Aspekt davon ist die automatisierte VHS-Messung mit anschließender Einordnung des Messwerts basierend auf etablierten Referenzwerten. Innerhalb weniger Sekunden liegt das Ergebnis vor und zeigt anhand der hinterlegten Patienteninformationen auf, ob der VHS-Wert innerhalb oder außerhalb des gesunden Normbereichs liegt.
Um sich ein umfassendes Bild der Einsatzmöglichkeiten der Künstlichen Intelligenz in der Veterinärmedizin zu verschaffen, empfehlen wir Ihnen, die komplette Studie zu lesen. Diese können Sie auf der Website des Fachmagazins Frontiers in Veterinary Science abrufen und ebenfalls als PDF herunterladen.