Sehr geehrte Kolleginnen und Kollegen

 

Die Massnahmen der Regierungen haben selbstverständlich erhebliche Auswirkungen auf die Spitäler. Niemand kann abschätzen, wann in diesen Wochen wie viele Patienten zu geplanten oder akuten Untersuchungen erscheinen werden und wie hoch das Arbeitspensum allein für COVID-19-Patienten sein wird.

 

Kommen wir gleich zum Punkt:

  • Wir von ERS – Emergency Radiology Schueller sind dafür gerüstet, Ihnen Tag und Nacht 24 Stunden akut mit unserem teleradiologischen Service zur Verfügung zu stehen, insbesondere für den Fall, dass Ihre Institution selbst unter radiologischem Personalmangel leiden sollte.

 

  • Wir sind auch für Sie da, bei der Befundung der elektiven, jetzt nicht durchführbaren Untersuchungen zu helfen, die spätestens dann in überbordender Zahl anfallen werden, sobald sich die Lage wieder beruhigen wird und Menschen wieder ein normales Leben haben werden. Lassen Sie getrost Ihre Scanner täglich so lange laufen, wie notwendig. Gemeinsam schaffen wir es, alle Befunde rasch und wie gewohnt mit höchster Qualität zu erstellen.

 

  • Wir bieten Ihnen gerne eine Künstliche Intelligenz-Software an, die alarmiert, wenn in einer CT-Untersuchung der Verdacht auf eine COVID-19-Pneumonie vorliegt.

 

In diesen für uns alle ungewohnten, harten Zeiten ist es uns eine Verpflichtung, besonders als Ärzte, zum Wohle aller zueinander zu stehen.

 

Gerd Schueller

 

 

 

Wie funktioniert die Künstliche Intelligenz (Artificial Intelligence, AI) im Gesundheitsbereich und wie können wir in der Corona-Pandemie helfen?

Bevor eine AI-Software an Patienten angewendet werden kann, also Menschen von Maschinen unterstützt werden, müssen Maschinen von Menschen lernen.

Soll etwa eine AI das Auffinden einer Lungenentzündung in radiologischen Computertomographie (CT)-Studien erleichtern oder übernehmen, müssen zuerst Radiologen während der Entwicklung der Software zeigen, wo genau in CT-Bildern die Erkrankung vorhanden ist. Erst danach kann die Software-Entwicklung an Live-Daten lernen.

 

Wir von ERS und unserem Partner MEDDANE AG stellen über unsere Plattform eine AI-Software zur Verfügung, die alarmiert, wenn in einer CT-Untersuchung der Verdacht auf eine Lungenentzündung vorliegt. Dies kann sie mit einer extrem hohen Sensitivität von mehr als 98%.

 

Diese Software wurde von ihrem chinesischen Hersteller medizinischer AI, InferVISION, an CT-Untersuchungen von Patienten jener Region entwickelt, von welcher die COVID-19-Pandemie ihren Ursprung genommen hatte, nämlich Wuhan. Sie ist seither in China an zigtausend Patienten erfolgreich angewendet worden und hat geholfen, die Krankheit zu erkennen, zu behandeln und einzudämmen.

Und die Software kann maßgeblich dazu beitragen, den Verlauf der Krankheit im Spital zu überwachen, also die Therapieauswirkungen mit extrem hoher Detailgenauigkeit sichtbar zu machen. Sie kann den Fachärztinnen und Fachärzten für Radiologie in unserem Gesundheitssystem zur Seite stehen, die wohl in der nächsten Zeit, in der sich in unseren Ländern möglicherweise die Pandemie weiter ausbreiten könnte, eine hohe zusätzliche Arbeitsbelastung haben werden.

 

Das bedeutet: eine frühe Erkennung der Krankheit und vor allem bessere Chancen, die Krankheit rascher zu behandeln und zu besiegen.

 

Wann können wir liefern?

Unsere Gesellschaft leidet unter der Pandemie. Die Zeit drängt. Unsere Plattform steht bereit und wir können ab sofort liefern. Wir können diese AI-Software sofort im gesamten Bundesgebiet ausrollen, überall dorthin, wo ein CT-Gerät in Betrieb ist.

 

Wann sind die AI-Ergebnisse fertig?

Die Ergebnisse der AI-Software sind nur wenige Minuten nach dem Ende der CT-Untersuchung fertig und liegen den Radiologen schriftlich und im Bild vor.

 

Unsere Partner

Zusammen mit unserem Partner MEDDANE AG und unserem Technologielieferanten XCOORP haben wir die jahrelange Expertise, medizinische AI-Dienstleistungen anzubieten. Wir haben derzeit über 80 verschiedene AI-Algorithmen weltweit in Betrieb und mit dem Hersteller der beschriebenen AI-Software, InferVISION, seit Jahren einen starken und verlässlichen Partner für unserer Kunden.

 

Gerd Schueller

 

 

Wir freuen uns sehr, zur Präsentation unserer Erfahrung in der Künstlichen Intelligenz (A) eingeladen zu sein.

Zusammen mit unserem IT-Chefstrategen, Michael Peck, CEO XCOORP, werden wir unser Wissen auf diesem spannenden Gebiet mit Ihnen teilen.

Telemedizin Kongress der Medizinischen Universität Innsbruck
Fritz-Pregl-Straße 3, 6020 Innsbruck, 28. Mai 2020
https://www.telemedaustria.at/kongress

Wir würden uns freuen, Sie an der Veranstaltung begrüssen zu dürfen.

Beim vorjährigen RSNA von 1. bis 6. Dezember 2019 in Chicago erfuhren wir von einer Abhilfe für jene in Teil 1 geschilderten Problematik.

In einer Studie des nordamerikanischen National Lung Screening Trial (NLST) unter der Leitung von Dr. Pritam Mukherjee wurden CT-Untersuchungen von mehr als 1.000 Patienten ausgewertet, von denen die Hälfte im Laufe der Zeit an Lungenkrebs erkrankten. Ein Deep Learning-Algorithmus wurde über drei aufeinanderfolgende CT-Studien jedes einzelnen Patienten geschickt. Die Künstliche Intelligenz (AI) lernte, im welchen Bildeigenschaften, die dem menschlichen Auge entgehen, sich kleine bösartige Lungenrundherde von ca. 4 mm im Laufe der Zeit von gutartigen Tumoren unterschieden. Die Ergebnisse sind beeindruckend. Wir werden, sobald diese Anwendung kommerzialisiert und FDA- und CE-approbiert sein wird, mit der Studienleitung Kontakt aufnehmen, um diese AI-Leistung unseren Kunden und einem breiten Feld weiterer medizinischer Experten zugänglich zu machen.

Besuchen Sie uns: www.maidx.cloud

Lungenkrebs hat viele Ursachen. Die genetische Disposition und das Rauchverhalten sind zwei davon.

Unabhängig von der Ursache, sind in Radiographie- und Computertomographie (CT) -bildern nahezu immer zuerst kleine Lungenrundherde ersichtlich, welche sich zu grösseren, später nicht mehr vollständig entfernbaren Geschwülsten, ausbilden. In vielen Gesundheitsorganisationen gibt es seit Jahren Früherkennungsprogramme gegen Lungenkrebs. Das Problem am Screening: auch kleine Rundherde, welche niemals maligne entarten würden, werden in diesen Untersuchungen gesehen und sie unterscheiden sich eine ganze Weile nicht von den bösartigen Tumoren. Die Konsequenz ist jene, dass solche falsch-positiven Befunde sich mit der Anzahl der gescreenten Patienten erhöht und durch unnötige Kontrollen und Behandlungen das Ausmass der Strahlenverabreichung und der Kosten im Gesundheitswesen erhöhen.

Besuchen Sie uns: www.maidx.cloud

 

Henry Ford sagte einmal: «Zusammenkommen ist ein Beginn, Zusammenbleiben ein Fortschritt, Zusammenarbeit ein Erfolg.”
In diesem Sinne bedankt sich unser ERS-Team für die anregende Zusammenarbeit in diesem Jahr. Wir wünschen unseren Partnern Frohe Weihnachten und einen guten Rutsch ins Neue Jahr 2020.

Es grüsst Sie herzlich
Ihr
Gerd Schueller

Wir freuen uns sehr, zur Präsentation unserer Erfahrung in der Teleradiologie eingeladen zu sein. Im Frühjahr 2020 wird Gerd Schueller, Gründer und Leiter von ERS, zwei Vorträge in Tirol, Österreich, halten:

Update Innovationen in der Radiologie – Von der Forschung in die Praxis
K3 Kitzkongress, Kitzbühel, 24. bis 25. April 2020
https://www.forum-medizin.org/innovation-radiologie-kitz-2020

Telemedizin-Kongress der Medizinischen Universität Innsbruck
Fritz-Pregl-Straße 3, 6020 Innsbruck, 28. Mai 2020
https://www.telemedaustria.at/kongress

Wir würden uns freuen, Sie an den Veranstaltungen begrüssen zu dürfen.

Unsere Kunden können sich darauf verlassen, dass wir 24 Stunden am Tag mit unserem On Call-Service erreichbar sind und Top Qualität abliefern.

Um von Beginn der Patientenbetreuung an für Top Ergebnisse zu sorgen, haben wir zu jeder Zeit eine Fachärztin bzw. einen Facharzt für Radiologie an unseren 24 Stunden-Telefonhotlines. Bereits in unseren ersten Telefonaten mit den zuweisenden Klinikern erfragen wir die kritischen klinischen Faktoren ab, welche uns nicht nur das Erstellen der rechtfertigenden Indikation zur Untersuchungsdurchführung, sondern auch die hochqualitative Befundung für jeden einzelnen Patienten erlauben. Unsere Kunden wissen: mehrmals täglich wechseln wir diese telefonische Dispatcher-Tätigkeit innerhalb unseres Dienstteams ab. Dies ermöglicht es uns auch, die Herausforderung einer sich ständig verändernden Workload zu meistern und alle Radiologen des On Call-Dienstteams mit sehr viel Zeit und Ruhe zur Befunderstellung auszustatten. Die Qualität bleibt stets hoch – darauf kommt es uns bei ERS – Emergency Radiology Schueller besonders an.

Wir stehen mit unserem On Call-Service 24 Stunden am Tag mit fachlicher Expertise bereit. Unser wichtigstes Ziel ist es dabei, unsere radiologischen Befunde konstant mit bester Qualität zu erstellen. Wie funktioniert das?

Wir planen unsere Arbeitsabläufe, indem wir nicht nur die Qualität, sondern die Effizienz unserer Dienstleistung an die erste Stelle reihen. Um eine sinnvolle Arbeitseinteilung unserer Radiologen zu ermöglichen, beobachten wir unseren Workflow und unseren Workload ganz genau. Denn nicht zu jeder Uhrzeit, an jedem Tag in der Sommer- und Wintersaison ist die Anzahl der Patienten und der radiologischen Untersuchungen gleich. Sondern sie ist multifaktoriell getriggert. Ein hohes Mass an Genauigkeit bereits bei der Kaderplanung sowie bei der Dienstplangestaltung erlaubt es uns, zu jeder Zeit die adäquate Anzahl an Fachkräften im Einsatz zu haben. Dadurch bleiben unsere Zeit zur mündlichen Befundauskunft und zur schriftlichen Befundabgabe sehr kurz, ebenso wie die Zufriedenheit unserer Kunden und unserer Radiologen hoch.

Bevor eine Applikation der künstlichen Intelligenz (AI) an Patientendaten angewendet werden kann, also Menschen von Maschinen unterstützt werden, müssen Maschinen von Menschen lernen.

Soll etwa eine AI das Auffinden von Knochenmetastasen in Computertomographie (CT)-Studien erleichtern oder übernehmen, müssen zuerst Radiologen während der Entwicklung der Software zeigen, wo genau in CT-Bildern die Läsionen vorhanden sind. Dies ist ein aufwendiger, jedoch unerlässlicher Vorgang, Annotation genannt. Erst danach kann die Software-Entwicklung an archivierten und anonymisierten Daten lernen. In ausgiebigen Testreihen werden die Sensitivität, Spezifität und die Genauigkeit der Applikation evaluiert, mit dem Ziel, dass die AI in Patientendaten im Echtbetrieb eine möglichst hohe Rate an richtig-positiven und richtig-negativen Ergebnissen erreicht. Nur so kann die AI in Zukunft als verlässliches Instrument in der Medizin eingesetzt werden.