Deep Learning zur Mittelohrentzündungs-Diagnose: Leistungslücke zwischen Anfängern und Experten schließbar
Von KI ausgewählt und zusammengefasst
Worum es geht
Retrospektive Leserstudie mit 13 Klinikern (3 Professoren, 5 Oberärzte, 5 Assistenzärzte) und 7.335 Trainingsbildern zum Effekt einer Deep-Learning-gestützten Diagnostik (EfficientNet-B4) auf die Genauigkeit bei der Diagnose von Mittelohrerkrankungen auf 100 klinischen Testbildern.
Ergebnis
Stand-alone-KI erreichte 94,0–99,0 % Genauigkeit. KI-Unterstützung verbesserte Genauigkeit signifikant: Professoren +11,0 % (78,7 → 89,7 %), Oberärzte +28,8 % (65,0 → 93,8 %), Assistenten +32,2 % (54,4 → 86,6 %; alle p<0,001). Leistungslücke Assistenten-Professoren sank von 24,3 % auf 3,1 %. Für Nebenbefunde (Retraktionstasche, Myringitis) signifikante Verbesserungen bei Assistenten.
Übertragbarkeit auf Deutschland
Südkorea, strukturell vergleichbar; befund relevant für deutsche Ausbildungssettings.
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.