PROJEKTKI
RadReport AI: Röntgenthorax-Befunde
Von Röntgenthorax-Aufnahmen zu klinischen Befunden, wie multimodale KI diagnostische Arbeitsabläufe neu gestaltet.
Bei iiterate Technologies entwickeln wir intelligente Werkzeuge, die reale Herausforderungen lösen, von Dokumenten-Workflows bis zur Diagnostik. Eines unserer jüngsten experimentellen Projekte, RadReport AI, untersucht, wie multimodale KI Radiologen dabei unterstützen kann, konsistente, präzise Befunde aus Röntgenthorax-Aufnahmen zu erstellen.
Dieses Prototypsystem kombiniert Computer Vision und Natural Language Processing, um klinische Zusammenfassungen aus medizinischen Bildern zu erzeugen, in Sekunden.
Warum wir dies entwickelt haben
Radiologen verbringen viel Zeit damit, Röntgenthorax-Aufnahmen zu interpretieren und manuell strukturierte Befunde zu verfassen. Während Genauigkeit entscheidend ist, ist der Prozess repetitiv und zeitaufwendig. Unser Ziel mit RadReport AI war es zu untersuchen, wie KI beim Vorausfüllen erster Zusammenfassungen helfen kann, sodass Radiologen prüfen, überarbeiten und finalisieren, statt bei null anzufangen.
Es geht nicht darum, Expertise zu ersetzen. Es geht darum, sie zu verstärken.
Wie es funktioniert
RadReport AI basiert auf einer multimodalen Pipeline, die visuelles Verständnis mit Textgenerierung verknüpft. Das Modell wurde auf dem Indiana University Chest X-ray Dataset trainiert, das über 7.000 beschriftete Bilder und Befunde umfasst.
Zentrale technische Komponenten:
- Vision Encoder: ViT (
vit-base-patch16-224) - Language Decoder: GPT-2
- Tokenizer: Hugging Face AutoTokenizer
- Training-Framework: PyTorch + Transformers
- UI-Bereitstellung: Streamlit, gehostet auf Hugging Face Spaces
Sobald eine Röntgenthorax-Aufnahme hochgeladen wird, erkennt das Modell relevante Muster im Bild und übersetzt sie mithilfe eines GPT-basierten Decoders in klinische Befunde.
Was es leisten kann
Folgendes unterstützt RadReport AI derzeit:
- Merkmale von Röntgenthorax-Aufnahmen erkennen und interpretieren
- Prägnante „Impression“-Zusammenfassungen erzeugen
- Ausgaben mittels BLEU, ROUGE und METEOR validieren
- Inferenz über eine live interaktive Demo ausführen
- Erklärbare Ausgaben mit attention-basierten Methoden unterstützen (in Vorbereitung)
Evaluationswerte:
- BLEU: 0.51
- ROUGE-1: 0.55
- METEOR: 0.53
Diese Ergebnisse spiegeln eine starke Übereinstimmung mit von Experten erstellten Befunden wider.
Reales Potenzial
RadReport AI ist ein Proof of Concept, doch seine Anwendungsfälle sind greifbar:
- Radiologiepraxen: Schnelle Impressions, die Radiologen bearbeiten und freigeben können
- Medizinische Ausbildung: Hilft Lernenden, visuelle Daten klinischen Begriffen zuzuordnen
- Forschung zu KI im Gesundheitswesen: Testumgebung für multimodale Diagnose-Pipelines
Es ist öffentlich gehostet, erfordert keine Installation und steht für Tests und Feedback offen.
Wie es weitergeht
Wir arbeiten derzeit an:
- Mehrteilige Befunde (z. B. Findings + Impressions)
- Attention-Visualisierungen für mehr Transparenz
- Ontologie-Integration (z. B. RadGraph-Alignment)
- Erweiterung auf mehrsprachige Befundung
Wenn Ihre Praxis, Ihr Forschungslabor oder Ihre Hochschule KI-gestützte Radiologie erkundet, arbeiten wir gerne mit Ihnen zusammen.
Abschließende Gedanken
RadReport AI ist ein kleiner, aber bedeutsamer Schritt bei der Erkundung, wie Vision-Language-Modelle medizinisches Fachpersonal unterstützen können. Bei iiterate sehen wir KI als Werkzeug, um menschliche Intelligenz zu verstärken, nicht zu ersetzen, und wir entwickeln mit dieser Haltung.
Bleiben Sie dran, während wir die Grenzen angewandter KI weiter verschieben.
Häufige Fragen
RadReport AI ist ein experimenteller Prototyp, der aus Röntgenthorax-Aufnahmen kurze klinische Zusammenfassungen im Abschnitt Impression erzeugt. Ziel ist, Radiologen einen vorausgefüllten Erstentwurf zu liefern, den sie prüfen, überarbeiten und finalisieren, statt bei null zu beginnen. Das System ist ein Proof of Concept.
RadReport AI kombiniert einen Vision Transformer (vit-base-patch16-224) als Bild-Encoder mit GPT-2 als Sprachdecoder. Tokenisiert wird mit dem Hugging Face AutoTokenizer, trainiert mit PyTorch und Transformers auf einem Röntgenthorax-Datensatz mit über 7.000 annotierten Bildern und Befunden.
RadReport AI wurde mit BLEU, ROUGE und METEOR gegen von Experten erstellte Befunde evaluiert. Die Werte liegen bei BLEU 0,51, ROUGE-1 0,55 und METEOR 0,53. Die generierten Befunde sind als Entwürfe gedacht, die Radiologen prüfen, bearbeiten und freigeben.
Die interaktive Demo von RadReport AI ist mit Streamlit umgesetzt und auf Hugging Face Spaces gehostet, ohne Installation nutzbar. Nach dem Hochladen einer Röntgenthorax-Aufnahme erkennt das Modell relevante Muster im Bild und übersetzt sie über den GPT-basierten Decoder in klinische Befunde.
Mehr entdecken
KI RegioWizardEin Prototyp, der das Regionalwiki des Kreises Ahrweiler in normaler Sprache beantwortet: mit einer Fussnote an jeder Aussage, einer Karte, einem Redaktionstisch und einem sichtbaren Suchprotokoll. KI Aria: KI-SprachdialogeKI-Sprachplattform, die Kundengespräche mit unter 100 ms Latenz und CRM-Integration automatisiert. SIE HABEN EINE KOMPLEXE IDEE, DIE WIR UMSETZEN SOLLEN?
STARTEN SIE MIT EINEM DESIGN-THINKING-PILOT ODER EINEM BERATUNGSGESPRÄCH.