Osteologie 2022; 31(01): 17-25
DOI: 10.1055/a-1717-0955
Review

Radiologische Diagnostik und Prognostik von COVID-19: Einsatz von künstlicher Intelligenz und Zusammenhang mit muskulo-skelettaler Bildgebung

Radiological Diagnosis and Prognostication of COVID-19: Use of Artificial Intelligence and Relationship with Musculo-Skeletal Imaging
1   Sektion Biomedizinische Bildgebung der Klinik für Radiologie und Neuroradiologie, Universitätsklinikum Schleswig-Holstein, Campus Kiel, Christian-Albrechts-Universität zu Kiel, Kiel, Germany
,
Nicolai Krekiehn
1   Sektion Biomedizinische Bildgebung der Klinik für Radiologie und Neuroradiologie, Universitätsklinikum Schleswig-Holstein, Campus Kiel, Christian-Albrechts-Universität zu Kiel, Kiel, Germany
,
Eren Bora Yilmaz
1   Sektion Biomedizinische Bildgebung der Klinik für Radiologie und Neuroradiologie, Universitätsklinikum Schleswig-Holstein, Campus Kiel, Christian-Albrechts-Universität zu Kiel, Kiel, Germany
2   Department of Computer Science, Ostfalia Hochschule für angewandte Wissenschaften, Wolfenbuttel, Germany
,
Marcus Both
3   Klinik für Radiologie und Neuroradiologie, Universitätsklinikum Schleswig-Holstein, Kiel, Germany
› Author Affiliations

Zusammenfassung

Die COVID-19 Pandemie hat die Radiologie, wie viele andere Bereiche, vor völlig neue Herausforderungen gestellt. Radiologische Bildgebung spielt im Verbund mit Laboruntersuchungen und klinischen Daten eine wichtige Rolle bei der Diagnose von COVID-19. Anhand einer spezifischen Analyse der Lungenläsionen erlaubt sie auch Einschätzungen des Risikos schwerer Verläufe, wenngleich die Größenordnung des Informationsgewinns über biologisch klinische Daten hinaus im Einzelfall unterschiedlich und Gegenstand aktueller Forschung ist. Osteoporose-bedingte Frakturen stellen in diesem Zusammenhang möglicherweise einen unabhängigen Risikofaktor für schwere Verläufe dar. Die Pandemie hat aber auch neue Perspektiven eröffnet, insbesondere sind im Bereich der Bildgebung neue technologische Entwicklungen mit Nachdruck vorangetrieben worden. So arbeiten alle Universitätsradiologien am Projekt Radiological Cooperative Network (RACOON) zusammen, wobei auf der Basis strukturierter Befunde die Daten zusammengeführt und optional mit Methoden der künstlichen Intelligenz (KI) analysiert werden. Eine Zusammenführung mit KI-Methoden zur Frakturerkennungen bietet Perspektiven, Frakturinformationen automatisch zu gewinnen und in Risiko-Scores für schweren Verlauf mit einzubinden. Die neuen Strukturen und Methoden, die während der Pandemie entwickelt wurden, lassen sich auf andere Anwendungsbereiche wie die muskulo-skelettale Bildgebung übertragen und können so zu erheblichen technologischen Fortschritten in der radiologischen Diagnostik und Prognostik führen.

Abstract

The COVID-19 pandemic has confronted radiology like many other fields with completely new challenges. Radiological imaging, in conjunction with laboratory tests and clinical data, plays an important role in the diagnosis of COVID-19. Based on specific analyses of lung lesions it also permits estimation of the risk of severe disease outcome – still, the magnitude of information gain beyond biological clinical data varies in individual cases and is the subject of current research. In this context osteoporosis related fractures may represent an independent risk factor for severe disease outcome. However, the pandemic has also opened up new perspectives, and in particular new technological developments have been vigorously pursued in the field of imaging. For example, all university radiology departments are collaborating on the Radiological Cooperative Network (RACOON) project, where data are merged based on structured reporting and those can optionally be analyzed using artificial intelligence (AI) methods. Merging these approaches with AI methods for fracture detection offers prospects for automatically obtaining fracture information and incorporating it into risk scores for severe disease outcome. The new structures and methods developed during the pandemic can be transferred to other application fields such as musculo-skeletal imaging and may thus bring about substantial technologically advances for radiological diagnostics and prognostics.



Publication History

Received: 08 November 2021

Accepted after revision: 07 December 2021

Article published online:
21 February 2022

© 2022. Thieme. All rights reserved.

Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany