Text

Zielsetzung und Fragestellung: Künstliche Intelligenz (KI) wird zunehmend zur Unterstützung klinischer Abläufe eingesetzt, insbesondere in der Notfallmedizin, wo die rasche Diagnose potenziell letaler Verletzungen essenziell ist. KI-Modelle liefern als unterstützende Tools bereits frühzeitig Hinweise auf Traumafolgen. Vor dem Hintergrund struktureller Veränderungen und Digitalisierung im Gesundheitswesen untersucht diese Studie die diagnostische Genauigkeit der Pneumothorax-Erkennung in der konventionellen Röntgenaufnahme des Thorax durch Unfallchirurg:innen im Vergleich zu einem etablierten KI-System.

Material und Methoden: In einer retrospektiven Vergleichsstudie wurden 60 Röntgen-Thorax-Aufnahmen aus den Jahren 2024 – 2026 analysiert, der Anteil der Pneumothoraces auf 20% festgelegt. Als Referenz diente das KI-Modell „AI doc“, der Goldstandard war die fachärztliche, radiologische Befundung eines überregionalen Traumazentrums. Assistenz- und Fachärzt:innen der Unfallchirurgie befundeten die pseudonymisierten, randomisiert präsentierten Bilddatensätze unabhängig und verblindet gegenüber der KI-Ergebnisse. Die Bewertung erfolgte binär (Pneumothorax ja/nein). Sensitivität und Spezifität wurden mittels Wilson-Score-Methode berechnet.

Ergebnisse: Das KI-Modell erreichte eine Sensitivität von 0,75 (95% KI 0,47–0,91) und eine Spezifität von 1,0 (95% KI 0,93–1,0). Die unfallchirurgische Befundung zeigte eine mittlere Sensitivität von 0,92 (95% KI 0,73–0,98) sowie eine mittlere Spezifität von 0,83 (95% KI 0,74–0,90).

Diskussion und Schlussfolgerung: Die Ergebnisse zeigen eine hohe Übereinstimmung der KI-Analyse mit dem radiologischen Goldstandard. Hinsichtlich der Sensitivität übertraf die unfallchirurgische Befundung das KI-Modell, während die KI eine höhere Spezifität erreichte. Beide Verfahren stellen somit valide Ansätze in der Pneumothorax-Diagnostik dar, wobei die KI perspektivisch eine zentrale Rolle als verlässliches Tool zur Entscheidungsunterstützung einnehmen kann.