Global 
Deutschland Leber und Gallenwege
J Hepatol. 2025;83(2):426-439
Contrast-enhanced ultrasound-based AI model for multi-classification of focal liver lesions
KI-Modell auf Basis von kontrastmittelverstärktem Ultraschall für die Mehrfachklassifikation fokaler Leberläsionen
Hintergrund und Ziele: Eine akkurate Mehrfachklassifikation ist die Grundlage einer angemessenen Behandlung fokaler Leberläsionen (FLL). Ultraschall ist die häufigste bildgebende Untersuchung, jedoch nicht sehr genau. Der kontrastmittelverstärkte Ultraschall (contrast-enhanced ultrasound, CEUS) ist leistungsfähiger, hängt aber stark von der Erfahrung der Anwender*innen ab. Daher war das Ziel des Autorenteams, ein CEUS-basiertes KI-Modell für die FLL-Mehrfachklassifikation zu entwickeln und dessen Leistung in multizentrischen klinischen Untersuchungen zu beurteilen.
Methoden: Zwischen Januar 2017 und Dezember 2023 wurden CEUS-Videos, immunhistochemische Biomarker und klinische Daten zu soliden FLL > 1 cm bei Erwachsenen aus 52 Zentren gesammelt, um das Modell zu erstellen und zu testen. Das Modell wurde darauf ausgelegt, FLL in 6 Typen zu unterteilen: hepatozelluläres Karzinom, hepatische Metastasen, intrahepatisches Cholangiokarzinom, hepatisches Hämangiom, hepatischer Abszess und andere. Zunächst wurde ein Trainingsdatensatz A, bestehend aus den Modulen Erkrankung, Biomarker und Klinik, sowie ein Validierungsdatensatz erstellt. Anschließend wurden die 3 Module zum Modell-DCB in einem Trainingsdatensatz B zusammengefasst sowie ein interner Testdatensatz erstellt. Die Leistung des Modell-DCB wurde mit der von CEUS- und von MRT-anwendenden Radiolog*innen in 3 externen Testdatensätzen verglichen.
Ergebnisse: Insgesamt wurden 3.725 FLL aus 52 Zentren in den Trainingsdatensatz A (n = 2.088), in den Validierungssatz (n = 592), in den Trainingsdatensatz B (n = 234), in den internen Testdatensatz (n = 110) und die externen Testdatensätze A (n = 113), B (n = 276) und C (n = 312) eingeteilt. In den externen Testdatensätzen A, B und C lag die Leistung (Genauigkeit von 0,85–0,86) des Modell-DCB deutlich über der Leistung wenig erfahrener CEUS-Radiolog*innen (0,59–0,73) und war vergleichbar mit der Leistung sehr erfahrener CEUS-Radiolog*innen (0,79–0,85) und sehr erfahrener MRT-Radiolog*innen (0,82–0,86). In mehreren Untergruppenanalysen zu demografischen Merkmalen, Tumormerkmalen und Ultraschallgeräten reichte die Genauigkeit des Modells von 0,79 bis 0,92.
Schlussfolgerungen: Das CEUS-basierte Modell-DCB führt eine genaue Mehrfachklassifikation von FLL durch. Für ein breites Spektrum an Bevölkerungsgruppen ist es vielversprechend, insbesondere für diejenigen in abgelegenen Gebieten mit erschwertem Zugang zu MRT-Diagnostik.