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

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Radiomics-Modelle für Lungenkrebsfrüherkennung: Multizenterstudie mit Mixed-Effects-Ansatz

Hunter B et al. · Eur Radiol Exp · erschienen 05.10.2026 · PMID 42831983

Von KI ausgewählt und zusammengefasst

Worum es geht

Retrospektive Studie an 1.026 Patienten (2.071 CT-Scans) aus sieben UK-Kliniken zur Entwicklung und Validierung von Radiomics-Modellen für Vorhersage der Malignität indeterminierter Lungennoduli (5–30 mm) unter Berücksichtigung von Heterogenität zwischen Zentren.

Ergebnis

Mixed-Effects-Modell zeigte beste Diskriminanz: AUC 0,91 (95%-KI 0,90–0,93) in Kreuzvalidierung vs. ComBat 0,75 und Fixed-Effects 0,88 (p<0,0001 und 0,003). Radiomics-Features blieben in multivariablen Modellen mit klinischen Merkmalen signifikant. Nettovorteil gegenüber Volumen allein und Brock-Score. Gut kalibriert. Externe Validierung bestätigte Robustheit.

Übertragbarkeit auf Deutschland

Britische Multizenterstudie, NHS-Kontext, methodisch hochwertig für europäische Adaptierung.

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