Northwestern University beschleunigt Radiologie-Berichterstattung mit Inspur KI-Servern

Die Northwestern University hat einen KI-Workflow entwickelt, um den Prozess der Auswertung und Identifizierung von Radiologieberichten, die Folgemaßnahmen erfordern, zu beschleunigen.

Inspur Information und die Feinberg School of Medicine an der Northwestern University gaben die Ergebnisse einer 13-monatigen Testphase eines maßgeschneiderten KI-Workflows bekannt, der entwickelt wurde, um die Bearbeitungszeit für Radiologieberichte zu verkürzen und Verzögerungen bei Folgeempfehlungen zu reduzieren.

Aufgrund der Komplexität dieser Radiologieberichte werden etwa 33 Prozent der Folgeempfehlungen entweder verzögert oder ganz übersehen – aufgrund menschlicher Fehler.

Das Team von Northwestern entwickelte den Workflow mithilfe von Inspurs KI-Servern und Nvidia-GPUs, der durch den Einsatz von Natural Language Processing (NLP) Radiologieberichte identifizieren konnte, die Folgeempfehlungen enthalten.

„Wir nutzten KI und die uns zur Verfügung stehenden Tools, einschließlich des Inspur NF5488M5-D GPU-Servers mit NVIDIA A100 Tensor Core GPU“, sagte Dr. Mozziyar Etemadi. „Der benutzerdefinierte KI-Workflow liest nahezu jeden einzelnen Radiologiebericht und liefert durch tiefe Integration in unser medizinisches Aktensystem Warnungen und Benachrichtigungen an den behandelnden Arzt, den Patienten und das zuständige Folgeteam, um sicherzustellen, dass wichtige Details nicht durch die Maschen fallen.“

Der KI-Workflow untersuchte 570.000 Bildgebungsstudien und fand 29.000 mit Empfehlungen. Über 5.000 Interaktionen mit Ärzten wurden generiert und 2.400 Folgemaßnahmen abgeschlossen. Das Team stellte fest, dass der Workflow die Zuverlässigkeit bei der Identifizierung von Empfehlungen verbesserte und gleichzeitig den menschlichen Zeitaufwand für das Durchsehen von Radiologieberichten reduzierte.

„Es ist erstaunlich, mit Dr. Etemadi zusammenzuarbeiten und zu sehen, wie er neue Technologie in die KI-basierte Forschung an der Northwestern einbringt und in echte Verbesserungen im Gesundheitswesen umsetzt“, sagte Rhonda Liao, VP of Strategic Alliance bei Inspur Systems. „Inspur ist stolz, Teil dieser Reise zu sein, und wir schätzen NVIDIAs großartige Zusammenarbeit und Unterstützung bei diesem Unterfangen.“

Das Team von Northwestern hat den Open-Source-Code des KI-Workflows mit geführten Tutorials für andere in der Branche veröffentlicht.

„KI ermöglicht medizinischen Forschern, dringend benötigte Werkzeuge in die Klinik zu bringen und Ergebnisse für Ärzte und Patienten gleichermaßen zu liefern“, sagte Dr. Mona Flores, Global Head of Medical AI bei NVIDIA. „Durch die Optimierung von Workflows mithilfe von KI können Rückstände abgebaut werden, und Kliniker können Folgemaßnahmen bei Patienten priorisieren, die sie am dringendsten benötigen.“