Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Automatisierte Erfassung von Tumorrezidiv und Metastasen aus CT-Berichten mittels Deep Learning

Jo W et al. · JMIR Med Inform · erschienen 08.09.2026 · PMID 42709940

Von KI ausgewählt und zusammengefasst

Worum es geht

Semisupervised Deep-Learning-Klassifikation (mit Rule-based und Medical BERT) zur Extraktion von Rezidiv- und Metastasenangaben aus 288.076 postoperativen CT-Berichten (86.083 Krebspatienten), mit expliziter Modellierung diagnostischer Unsicherheit.

Ergebnis

Multiclass-Genauigkeit Rezidiv 97,33 %, Metastasen 95,00 %. Binäre Klassifikation: 99,33 % und 96,67 %. Ärztliche Interrater-Konsistenz Multiclass: 96,88 % (Rezidiv) und 93,80 % (Metastasen). <1 % der Berichte manuell annotiert; diagnostische Unsicherheit in 1,4 % Rezidiv-, 6,9 % Metastasenfälle erfasst. Rule-Algorithm outperformte teilweise Deep-Learning-Modelle.

Übertragbarkeit auf Deutschland

Südkorea (Asan Medical Center); große reale Datenbank, aber interne Validierung; Multicenter-Prospektivstudie zur Generalisierbarkeit nötig.

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.