KI-gestützte Echokardiographie-Bildklassifikation: Kliniker-geführte Implementierung ohne Spezial-Hardware
Von KI ausgewählt und zusammengefasst
Worum es geht
Machbarkeitsstudie eines praktizierten Echokardiographen, der mit AI-gestütztem Coding (KI 2.6) auf Standard-Workstation einen Five-Class-ResNet-18-Bildklassifizierer aus 1.387 Routineuntersuchungen entwickelte (9.796 Frames).
Ergebnis
Gesamter Annotationsaufwand 32 Minuten. Interne Test-Genauigkeit 98,27 % (95 % CI 97,06–99,08 %), Makro-F1 0,9784. Externe Validierung (74 Patienten, 263 Frames) 71,48 % Genauigkeit; parasternale Kurz- und apikale Zwei-Kammer-View zeigten robuste Generalisierung (100 % und 94,23 %), andere Views geräteabhängiger.
Übertragbarkeit auf Deutschland
China – Machbarkeitsnachweis mit klinischem Workflow, aber technische Umsetzung geräte- und lokationsabhängig
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.