Cookies und externe Inhalte

Notwendige Cookies brauchen wir, damit die Website funktioniert; sie sind immer aktiv. Alles Weitere lädt nur, wenn Sie einwilligen oder es selbst aufrufen. Ihre Wahl können Sie jederzeit unter „Cookie-Einstellungen“ im Seitenfuss ändern; mehr dazu in der Datenschutzerklärung.

Inhalte anderer Anbieter, etwa die Karte bei einer Anlaufstelle oder ein Hörbeitrag. Beim Laden erfährt der Anbieter Ihre IP-Adresse und kann eigene Cookies setzen.

neomedis

Sprache

neomedis
Inhalt fachlich korrekt?

Der aktuelle Artikel ist aus meiner Sicht fachlich korrekt. Ich kann jederzeit später Korrekturen am Text vorschlagen. Bei Änderungen durch andere Fachpersonen nach meiner Zustimmung werde ich automatisch per E-Mail informiert.

Untersuchungsnomed 24587005

Morphometrische Bildanalyse

computergestützte Bildanalysedigitale BildanalyseBildmorphometriemorphometrische Bildauswertung

Wenn ein Bild mehr verrät als das Auge sieht

Zwei Kliniker betrachten ruhig Graustufenbilder von Scans auf einem grossen Display in einer modernen Klinik – als Illustration der medizinischen Bildanalyse in einem diagnostischen Kontext.

Ein Bild sagt mehr, als das Auge auf den ersten Blick erkennt. Feinste Unterschiede in Grösse, Form oder Struktur von Gewebe und Zellen entscheiden oft über eine Diagnose – doch das menschliche Auge stösst dabei an seine Grenzen. Spezialisierte Verfahren vermessen solche Bilder digital und liefern Zahlen, wo bisher nur ein Eindruck war. Welche Informationen lassen sich aus einem einzigen Bild wirklich herauslesen?

Mit künstlicher Intelligenz erstellt. Offen zur Prüfung durch Fachpersonen

Inhaltsverzeichnis
Inhaltsverzeichnis

Ein Röntgenbild, ein MRI, ein Abstrich unter dem Mikroskop – was der Arzt dabei sieht, ist selten eine einfache Ja-oder-Nein-Antwort. Bildanalyse ist das Verfahren, das aus einem medizinischen Bild verwertbare Information macht: Was gehört zu welchem Gewebe? Wie gross ist eine Struktur genau? Hat sich etwas verändert seit der letzten Aufnahme?

Was viele nicht wissen: Hinter einem einzelnen Befundbericht können mehrere solcher Analyseschritte stecken – manche davon laufen heute automatisiert, unterstützt durch Algorithmen, die Muster erkennen, die dem menschlichen Auge entgehen würden. Die Bildanalyse ist damit nicht nur ein Werkzeug des Radiologen, sondern eine stille Grundlage fast jeder bildgebenden Diagnose.

Anlaufstellen, die weiterhelfen

Dieses Thema ist offen für Anlaufstellen wie Praxen, Apotheken oder Kliniken. Werden Sie eine Anlaufstelle, die hier erscheint.

Bildanalyse ist selbst ein diagnostisches Verfahren, kein Behandlungsansatz – sie steht am Beginn einer Diagnosekette und eröffnet damit den Weg zu therapeutischen Entscheidungen, ohne selbst in die Behandlung einzugreifen.

Was ist eine morphometrische Bildanalyse?

Die morphometrische Bildanalyse ist ein computergestütztes Verfahren, das medizinische Bilder – zum Beispiel Gewebeschnitte oder Scans – automatisch auswertet. Der Computer misst dabei Form, Grösse und Anordnung von Zellen oder Strukturen, die das Auge allein nur ungenau beurteilen könnte.
Zwei Kliniker betrachten ruhig Graustufenbilder auf einem grossen Bildschirm in einer modernen Klinik, als Illustration der medizinischen Bildanalyse in einem diagnostischen Kontext.

Stell dir vor, ein Pathologe schaut durch das Mikroskop auf einen Gewebeschnitt. Er sieht, dass manche Zellen grösser wirken als andere, dass ihre Kerne unregelmässig geformt sind. Aber wie gross genau? Wie viele Zellen weichen ab? Und in welchem Grad? Mit dem blossen Auge lässt sich das nur schätzen – die morphometrische Bildanalyse misst es.

Das Verfahren digitalisiert zunächst das Bild – sei es ein Gewebeschnitt unterm Mikroskop, ein Röntgenbild oder ein MRT-Ausschnitt. Anschliessend erkennt eine Software automatisch relevante Strukturen: einzelne Zellen, Zellkerne, Gefässe oder Gewebegrenzen. Für jede dieser Strukturen berechnet sie dann Messgrössen wie Fläche, Umfang, Durchmesser oder Dichte. Das Wort „Morphometrie“ stammt aus dem Griechischen: morphe (Form) und metron (Mass) – es bedeutet also wörtlich das Messen von Formen.

Was früher ein Forscher oder Arzt mit Lineal, Schablone und Auszählgitter mühsam von Hand erledigte, übernimmt heute der Computer in Sekunden – und das an Tausenden von Strukturen gleichzeitig. Das Ergebnis ist eine objektive, zahlenmässige Beschreibung dessen, was auf dem Bild zu sehen ist.

Was genau wird gemessen?

Je nach Fragestellung misst die Software unterschiedliche Merkmale. Bei Gewebeschnitten in der Krebsdiagnostik interessieren vor allem die Grösse und Form von Zellkernen sowie der Anteil bestimmter Zelltypen im Gewebe. Bei Röntgen- oder Schnittbildern können es Organvolumina, Wanddicken oder räumliche Abstände sein. Die gemessenen Werte werden dann mit Referenzwerten aus grossen Datensätzen verglichen – so lässt sich einschätzen, ob eine Struktur im normalen Bereich liegt oder auffällig ist.

Wofür wird die morphometrische Bildanalyse eingesetzt?

Die morphometrische Bildanalyse wird überall dort eingesetzt, wo genaue Messungen an Gewebeproben oder medizinischen Bildern gebraucht werden – zum Beispiel in der Krebsdiagnose, der Pathologie, der Neurologie und in der Forschung. Sie hilft, Krankheiten früher zu erkennen und Behandlungsverläufe zu beurteilen.

Die Einsatzgebiete der digitalen Bildanalyse sind weit gefächert, weil praktisch jede Fachrichtung der Medizin mit Bildern arbeitet – und überall dort, wo Bilder entstehen, können auch Messungen sinnvoll sein.

Im klinischen Alltag ist die Pathologie das wichtigste Anwendungsfeld. Wenn ein Chirurg eine Gewebeprobe entnimmt, wandert diese zum Pathologen, der einen hauchdünnen Schnitt unter dem Mikroskop begutachtet. Die computergestützte Bildanalyse unterstützt ihn dabei, zum Beispiel den Anteil von Tumorzellen im Gewebe zu bestimmen oder die Aggressivität eines Tumors zu beurteilen. Auch in der Radiologie – also bei Röntgen, CT oder MRT – werden Bilddaten zunehmend automatisch ausgewertet, um Veränderungen in Organen oder Knochen zu erkennen, die dem Auge entgehen könnten.

Darüber hinaus ist die Methode in der Forschung unverzichtbar: Neue Medikamente werden zum Teil daran gemessen, wie sie die Zellstruktur im Gewebe verändern – und das lässt sich nur mit standardisierten Messungen nachvollziehbar dokumentieren.

Typische Anwendungsfelder im Überblick

  • Krebsdiagnostik: Beurteilung von Tumorgrösse, Zellform und Tumoraggressivität
  • Neurologie: Messung von Hirnstrukturen bei Erkrankungen wie Alzheimer oder Multipler Sklerose
  • Kardiologie: Analyse von Herzmuskelgewebe nach Infarkten
  • Ophthalmologie (Augenheilkunde): Auswertung von Netzhautscans bei Diabetikern
  • Grundlagenforschung: Dokumentation von Gewebeveränderungen in klinischen Studien

Gemeinsam ist allen Einsatzgebieten: Es geht darum, aus einem Bild verlässliche Zahlen zu gewinnen – damit medizinische Entscheidungen auf einer soliden Grundlage stehen.

Wie funktioniert die computergestützte Bildanalyse?

Die computergestützte Bildanalyse läuft in mehreren Schritten ab: Das medizinische Bild wird zunächst digitalisiert, dann erkennt eine Software automatisch bestimmte Strukturen, und schliesslich misst sie deren Grösse, Form und Anordnung. Das Ergebnis sind genaue Zahlenwerte, die Ärzte bei der Diagnose unterstützen.

Der Prozess beginnt immer mit dem Bild selbst – das kann ein eingescannter Gewebeschnitt sein, ein CT-Bild oder eine Aufnahme vom Mikroskop. Dieses Bild besteht aus Millionen winziger Bildpunkte, und jeder Bildpunkt hat einen bestimmten Helligkeits- oder Farbwert. Für das menschliche Auge ergibt das ein Bild, das man interpretiert. Für den Computer ist es zunächst eine riesige Zahlentabelle.

Im ersten Schritt wird das Bild vorverarbeitet: Störungen werden herausgefiltert, der Kontrast wird angepasst, Farbkanäle werden getrennt. Dann folgt die sogenannte Segmentierung – das ist der entscheidende Schritt, bei dem die Software lernt, relevante Strukturen vom Hintergrund zu unterscheiden. Wo hört eine Zelle auf, wo fängt die nächste an? Moderne Systeme nutzen dafür Verfahren aus dem Bereich der künstlichen Intelligenz, die an Tausenden von Beispielbildern trainiert wurden.

Sobald die Software weiss, welcher Bildbereich zu welcher Struktur gehört, beginnt das eigentliche Messen: Fläche, Umfang, Verhältnis von Breite zu Länge, Regelmässigkeit der Form, Farbintensität. All diese Werte werden automatisch für jede erkannte Struktur berechnet – bei einem einzigen Gewebeschnitt können das Zehntausende von Einzelmessungen sein.

Was moderne KI-Systeme dabei leisten

Klassische Bildanalyseprogramme arbeiten mit festen Regeln: Eine Zelle wird erkannt, weil sie eine bestimmte Mindestgrösse hat und einen bestimmten Farbton aufweist. Moderne Systeme, die auf sogenanntem maschinellem Lernen basieren, gehen weiter: Sie erkennen auch untypische Zellen, die von der Standardform abweichen, weil sie das Muster „Zelle“ aus vielen Beispielen gelernt haben – ähnlich wie ein erfahrener Pathologe, der sofort sieht, was ungewöhnlich ist, ohne es explizit erklären zu können. Das macht diese Systeme robuster, aber auch schwerer nachvollziehbar – ein Aspekt, den die Forschung aktiv adressiert.

Welche Vorteile hat die digitale Bildanalyse gegenüber der manuellen Auswertung?

Die digitale Bildanalyse ist schneller, objektiver und ermüdet nicht. Sie kann Tausende von Zellen in Sekunden ausmessen, macht keine Flüchtigkeitsfehler und liefert immer dieselben Messergebnisse unter denselben Bedingungen. Damit ergänzt sie die menschliche Beurteilung sinnvoll, besonders bei grossen Datenmengen.

Wer jemals versucht hat, hundert fast identische Dinge nacheinander zu zählen, kennt das Problem: Ab einem gewissen Punkt schleichen sich Fehler ein, die Konzentration lässt nach, und das Ergebnis hängt davon ab, ob man gerade einen guten oder schlechten Tag hat. Genau das ist die Schwäche der manuellen Bildauswertung – nicht weil Ärzte oder Forscher unzuverlässig wären, sondern weil das menschliche Gehirn für diese Art von monotoner Präzisionsarbeit nicht gebaut ist.

Der Computer hat dieses Problem nicht. Er misst die tausendste Zelle genauso exakt wie die erste, er braucht keine Pausen, und er interpretiert nicht – er berechnet. Das macht seine Ergebnisse reproduzierbar: Wenn dieselbe Software dieselbe Aufnahme zweimal auswertet, kommt sie zum selben Ergebnis. Das ist bei zwei verschiedenen Ärzten, die denselben Gewebeschnitt beurteilen, nicht immer so – ein bekanntes Problem in der Diagnostik, das in Fachkreisen als Interrater-Variabilität bezeichnet wird.

Ein weiterer Vorteil ist die Skalierbarkeit. Für eine klinische Studie, die Gewebeproben von Tausenden von Patientinnen und Patienten vergleicht, ist manuelle Auswertung kaum realistisch. Die computergestützte Bildanalyse macht solche Grössenordnungen erst möglich.

Was die manuelle Auswertung trotzdem besser kann

Der entscheidende Denkfehler wäre, die Vorteile des Computers als vollständige Überlegenheit zu verstehen. Das stimmt nicht. Ein erfahrener Pathologe erkennt auf den ersten Blick, wenn etwas an einer Probe grundsätzlich nicht stimmt – eine ungewöhnliche Gewebearchitektur, ein seltenes Muster, das in keinem Trainingsdatensatz vorkommt. Er bringt Kontext mit, der dem Computer fehlt. Die Stärke der digitalen Bildanalyse liegt im Messen; die Stärke des Menschen liegt im Einordnen. Beides zusammen ist besser als jedes für sich allein.

Kann die morphometrische Bildauswertung Fehler machen?

Ja, auch die computergestützte Bildauswertung kann Fehler machen. Schlechte Bildqualität, ungewohnte Muster oder Grenzsituationen können die Software überfordern. Deshalb werden die Ergebnisse immer von Fachleuten überprüft – der Computer unterstützt, entscheidet aber nicht allein.

Es gibt einen weit verbreiteten Irrtum: Weil ein Computer rechnet, müsse er auch richtig liegen. Das stimmt nicht. Ein Computer macht andere Fehler als ein Mensch – aber er macht Fehler.

Der häufigste Fehlertyp entsteht bereits vor der eigentlichen Analyse: Wenn die Bildqualität schlecht ist – zum Beispiel wegen ungleichmässiger Färbung eines Gewebeschnitts, Bewegungsunschärfe bei einer Aufnahme oder schlechter Beleuchtung – dann analysiert die Software zuverlässig ein schlechtes Bild. Das Prinzip „Garbage in, garbage out“ gilt hier genauso wie in der Informatik allgemein.

Ein zweiter Fehlertyp betrifft Grenzfälle. Jede Software wird auf einem bestimmten Datensatz trainiert. Wenn ein Gewebe ein seltenes oder ungewöhnliches Muster zeigt, das im Training kaum vorkam, kann die Segmentierung scheitern – die Software erkennt Strukturen falsch oder übersieht sie. Das ist nicht Nachlässigkeit, sondern eine prinzipielle Grenze des Verfahrens.

Wie Fehler erkannt und begrenzt werden

  • Qualitätskontrolle der Bilder vor der Analyse: Techniker prüfen, ob Aufnahmen auswertbar sind
  • Validierungsstudien: Jede Software muss nachweisen, wie gut sie an bekannten Referenzfällen abschneidet
  • Ärztliche Gegenprüfung: Auffällige oder unplausible Ergebnisse werden immer von Fachpersonen bewertet
  • Konfidenzangaben: Moderne Systeme geben an, wie sicher sie sich bei einer Messung sind – das hilft, unsichere Fälle zu markieren

Der wichtigste Schutz vor Fehlern ist deshalb nicht die Software selbst, sondern der Prozess um sie herum: standardisierte Abläufe, gut ausgebildetes Personal und die Bereitschaft, einer Maschine nicht blind zu vertrauen.

Bei welchen Erkrankungen hilft die morphometrische Bildanalyse bei der Diagnose?

Die morphometrische Bildanalyse unterstützt die Diagnose bei einer Vielzahl von Erkrankungen, besonders bei Krebs, neurologischen Krankheiten wie Alzheimer, Herz-Kreislauf-Erkrankungen und Augenkrankheiten wie diabetischer Netzhautschädigung. Überall dort, wo Gewebeveränderungen gemessen werden müssen, ist sie hilfreich.

Die Stärke der digitalen Bildanalyse zeigt sich besonders bei Erkrankungen, bei denen es auf feine Unterschiede im Gewebe oder in der Organstruktur ankommt – also dort, wo das Auge allein zu ungenau wäre.

Krebserkrankungen sind das klassische Anwendungsgebiet. Bei Brustkrebs zum Beispiel hilft die Bildmorphometrie dabei, den sogenannten Grading-Score zu bestimmen – eine Einschätzung, wie aggressiv ein Tumor ist. Dafür werden unter anderem die Grösse und Unregelmässigkeit der Zellkerne gemessen. Ähnliches gilt für Prostatakrebs, Darmkrebs oder Hautkrebs. In der Schweiz werden solche Analysen im Rahmen der Tumordiagnostik in spezialisierten Pathologieinstituten durchgeführt.

Bei Alzheimer und anderen Demenzen ermöglicht die Analyse von Hirnscans, Gewebeverluste in bestimmten Hirnregionen zu messen – das kann helfen, den Verlauf der Erkrankung zu dokumentieren oder die Wirksamkeit neuer Therapieansätze in Studien zu beurteilen.

In der Augenheilkunde ist die automatische Auswertung von Netzhautaufnahmen bei Diabetikern bereits gut etabliert: Veränderungen an den feinen Blutgefässen der Netzhaut – ein frühes Zeichen der diabetischen Netzhautschädigung – können computergestützt zuverlässig erkannt werden, bevor sie für den Patienten spürbar werden.

Ein konkretes Beispiel aus der Praxis

Eine Frau erhält nach einer Brustbiopsie die Diagnose Brustkrebs. Der Pathologe begutachtet den Gewebeschnitt und nutzt dabei ein digitales Auswertungssystem, das automatisch den Anteil der Tumorzellen im Gewebe berechnet und die Kernform bewertet. Das Ergebnis fliesst in die Gesamtbeurteilung ein und hilft dem Tumorboard – also dem Fachteam aus verschiedenen Spezialisten –, die passende Behandlung zu planen. Die Entscheidung trifft das Team; die Analyse liefert die Zahlenbasis dafür.

Wie lange dauert eine computergestützte Bildanalyse?

Die eigentliche computergestützte Auswertung eines Bildes dauert meist nur Sekunden bis wenige Minuten. Was länger dauern kann, ist die Vorbereitung der Probe oder des Bildes sowie die anschliessende Beurteilung durch den Arzt oder Pathologen. Für den Patienten spürbar ist vor allem die Gesamtzeit bis zum Befund.

Hier lohnt es sich, zwei verschiedene Zeitspannen auseinanderzuhalten: die reine Analysezeit des Computers und die Gesamtdauer bis zum fertigen Befund.

Die Software selbst braucht für die Auswertung eines einzelnen Bildes oder Gewebeschnitts in der Regel Sekunden bis wenige Minuten – je nach Auflösung des Bildes und Komplexität der Fragestellung. Bei sehr hochauflösenden Gewebescans, die aus Tausenden von Bildkacheln bestehen, kann die Rechenzeit auch länger sein; moderne Systeme mit leistungsfähigen Rechnern erledigen aber selbst solche Aufgaben in deutlich unter einer Stunde.

Was Patientinnen und Patienten als Wartezeit erleben, hat andere Ursachen: die Zeit bis zur Probenaufbereitung im Labor, die Auslastung des Pathologieinstituts oder der Radiologieabteilung, und die Zeit, die der Arzt oder Pathologe für die abschliessende Beurteilung benötigt. In der Schweiz beträgt die Wartezeit auf einen histologischen Befund – also das Ergebnis einer Gewebeprobe – je nach Einrichtung und Dringlichkeit in der Regel einige Tage bis zu zwei Wochen. Die computergestützte Bildanalyse verkürzt dabei die Auswertungszeit, kann aber nicht alle anderen Prozessschritte beschleunigen.

Dringlichkeit verändert die Zeitlogik

Bei dringlichen Fragestellungen – etwa intraoperativ, wenn ein Chirurg während einer Operation wissen muss, ob er genug Gewebe entfernt hat – gibt es spezielle Schnellschnittverfahren. Hier ist Geschwindigkeit entscheidend, und die computergestützte Analyse kann auch in solchen Zeitfenstern wertvolle Unterstützung leisten, auch wenn dabei Genauigkeit und Geschwindigkeit immer gegeneinander abgewogen werden müssen.

Ist die morphometrische Bildanalyse für Patienten mit einem Eingriff verbunden?

Nein, die morphometrische Bildanalyse selbst ist kein Eingriff. Sie wertet Bilder aus, die bereits vorhanden sind – zum Beispiel Gewebeschnitte aus einer früheren Biopsie oder Scan-Bilder. Für den Patienten ist die Analyse unsichtbar; sie findet im Labor oder am Computer statt.

Dieser Punkt wird häufig missverstanden, weil die Bildanalyse oft im Zusammenhang mit Untersuchungen erwähnt wird, die tatsächlich einen Eingriff erfordern – zum Beispiel eine Gewebeentnahme (Biopsie). Der Eingriff und die Analyse sind aber zwei getrennte Dinge.

Die morphometrische Bildauswertung ist ein reiner Auswertungsschritt: Die Probe oder das Bild liegt bereits vor – entweder weil sie im Rahmen einer anderen Untersuchung entstanden ist oder weil eine Biopsie durchgeführt wurde. Was danach im Labor oder am Computer passiert, bekommt der Patient nicht zu spüren. Es gibt keine Nadel, keine Kamera, keine Strahlung, keinen Kontakt. Die Analyse ist für den Patienten vollständig unsichtbar.

Was als Eingriff zählt – und was nicht

  • Eingriff: Die Entnahme einer Gewebeprobe (Biopsie) – das kann ein kleiner Schnitt, eine Nadelpunktion oder eine endoskopische Entnahme sein
  • Eingriff: Bildgebende Verfahren wie MRT oder CT, die zwar keine Schnitte erfordern, aber eine Untersuchung darstellen
  • Kein Eingriff: Die morphometrische Bildanalyse selbst – sie wertet nur aus, was schon vorhanden ist

Wenn Patienten also hören, dass ihre Gewebeprobe oder ihre Scan-Bilder mit einer computergestützten Bildanalyse ausgewertet werden, müssen sie dafür nichts weiter tun. Es ist ein Schritt, der im Hintergrund stattfindet und der Diagnose oder der Forschung dient – ohne zusätzliche Belastung für die Person, die untersucht wird.

Ersetzt die digitale Bildanalyse den Arzt oder Pathologen?

Nein, die digitale Bildanalyse ersetzt keinen Arzt und keinen Pathologen. Sie liefert präzise Messwerte und unterstützt damit die Beurteilung – aber die Diagnose, die Einordnung der Befunde und die Behandlungsentscheidung bleiben beim medizinischen Fachpersonal.

Die Frage taucht immer wieder auf, weil computergestützte Systeme in der Medizin zunehmend Leistungen erbringen, die früher ausschliesslich Menschen vorbehalten waren. Und sie ist berechtigt – die Antwort ist aber differenzierter als ein einfaches Ja oder Nein.

Was die digitale Bildanalyse leistet: Sie misst zuverlässiger und schneller als ein Mensch, sie ermüdet nicht, und sie ist in ihren Messungen konsistent. Bei klar definierten Aufgaben – etwa dem Auszählen von Tumorzellen in einem Gewebeschnitt oder dem Messen eines Organvolumens – kann sie die Qualität der Beurteilung sogar verbessern.

Was sie nicht leistet: Sie versteht den Patienten nicht. Sie weiss nicht, welche anderen Erkrankungen vorliegen, welche Medikamente eingenommen werden, wie der klinische Gesamtzustand ist. Sie sieht nur das Bild, das ihr vorgelegt wird – nicht den Menschen dahinter. Und sie kann bei unbekannten oder seltenen Mustern scheitern, weil ihr das nötige Erfahrungswissen fehlt.

Wie die Aufgabenverteilung heute aussieht

In der Praxis ist das Verhältnis heute so: Der Computer übernimmt die Routinemessungen und filtert Auffälligkeiten heraus. Der Pathologe oder Arzt bewertet, was diese Auffälligkeiten im klinischen Kontext bedeuten, trifft die Diagnose und verantwortet sie. Dieses Modell der unterstützten Diagnose – in der Medizin als „augmented pathology“ oder computerassistierte Diagnostik bezeichnet – ist nicht Konkurrenz, sondern Zusammenarbeit. Die grossen medizinischen Fachgesellschaften weltweit betonen, dass ärztliche Verantwortung durch Softwaresysteme nicht delegierbar ist.

Wie zuverlässig sind die Ergebnisse einer morphometrischen Bildauswertung?

Die Zuverlässigkeit hängt stark von der Bildqualität, der verwendeten Software und der Fragestellung ab. In gut validierten Bereichen – etwa bei bestimmten Krebsdiagnosen – kann die computergestützte Auswertung eine sehr hohe Genauigkeit erreichen. Bei seltenen Mustern oder schlechten Bilddaten sind die Ergebnisse mit mehr Vorsicht zu beurteilen.

Zuverlässigkeit ist kein absoluter Wert – sie bezieht sich immer auf eine konkrete Aufgabe, eine konkrete Software und konkrete Bedingungen. Das ist der wichtigste Satz bei dieser Frage, und er wird oft übersehen.

Für gut untersuchte Anwendungen – etwa die Erkennung bestimmter Zellmuster bei Brustkrebs oder die Auswertung von Netzhautaufnahmen bei Diabetes – liegen inzwischen viele Validierungsstudien vor. Diese Studien vergleichen die Ergebnisse der Software mit den Beurteilungen erfahrener Fachärzte. In manchen dieser Bereiche erreicht die computergestützte Bildanalyse eine Übereinstimmung mit menschlicher Expertise, die vergleichbar oder in Teilbereichen sogar besser ist – bei konsistenterer Reproduzierbarkeit. Das geht aus Übersichtsarbeiten hervor, die in Fachzeitschriften wie dem Journal of Pathology oder in der Lancet-Gruppe publiziert wurden.

Anders sieht es in Bereichen aus, wo Trainingsdaten rar sind, Muster selten vorkommen oder die Bildqualität schwankt. Hier ist die Zuverlässigkeit der Systeme deutlich geringer, und die Ergebnisse müssen von Fachpersonen mit besonderer Sorgfalt überprüft werden.

Was Zuverlässigkeit im Klinikalltag konkret bedeutet

Eine Software, die in einer Studie gut abschneidet, liefert im Klinikalltag nicht automatisch dieselben Ergebnisse – weil Studienbedingungen oft sorgfältig kontrolliert sind, während im Alltag Bildqualitäten schwanken und Randbedingungen variieren. In der Schweiz müssen Medizinprodukte, zu denen auch diagnostische Softwaresysteme zählen, die Anforderungen der europäischen Medizinprodukteverordnung (MDR) erfüllen, bevor sie klinisch eingesetzt werden dürfen. Diese Regulierung soll sicherstellen, dass nur ausreichend validierte Systeme in die Patientenversorgung gelangen. Für Patienten bedeutet das: Wenn ein Spital oder Labor eine solche Software einsetzt, hat das System einen Prüfprozess durchlaufen – auch wenn kein System eine hundertprozentige Zuverlässigkeit garantieren kann.

Siehe auch

Oberbegriffe

  • Morphometrische Analyse

Unterformen

  • Bildanalyse, Karyometrie
  • Bildsegmentierung(Bildanalyse, Segmentierung)
  • Qualitative Bildanalyse(Bildanalyse, qualitativ)
  • Quantitative Bildanalyse

Änderungen verwerfen?

Ihre Änderungen sind noch nicht gespeichert.