KI-Assistenz erkennt fetale Hirnfehlbildungen zuverlässiger: Was die RCT für die Pränataldiagnostik bedeutet
Eine randomisierte Multicenter-Studie zeigt, dass ein KI-System die Sensitivität bei der Erkennung fetaler intrakranieller Fehlbildungen unabhängig vom Erfahrungsgrad der Untersucher verbessert – bei erhaltener Spezifität.
Mit KI-Unterstützung erstellt · redaktionell geprüft und verantwortet von Steven Breuer.
Fetale intrakranielle Fehlbildungen gehören zu den diagnostisch anspruchsvollsten Befunden im Ultraschall-Screening. Die Erkennungsrate hängt stark von der Erfahrung der untersuchenden Person ab, die Bildinterpretation erfolgt in Echtzeit, und seltene Malformationen entziehen sich häufig auch geübten Blicken. Eine kürzlich publizierte randomisierte kontrollierte Studie (RCT) liefert nun belastbare Evidenz dafür, dass KI-Assistenz an dieser Stelle einen messbaren Unterschied macht – und zwar nicht nur unter Idealbedingungen, sondern im realen klinischen Betrieb.
Studiendesign: fünf Zentren, ein Cross-over-Ansatz
Die Studie wurde als multizentrische, randomisierte Cross-over-Studie an fünf chinesischen Zentren durchgeführt und untersuchte das „Prenatal Ultrasound Diagnosis Artificial Intelligence Conduct System" (PAICS) (Quelle). Eingeschlossen wurden Einlingsschwangerschaften mit erhöhtem Fehlbildungsrisiko zwischen der 11. und 32. Schwangerschaftswoche. Die Untersuchungen erfolgten durch Sonographinnen und Sonographen mit drei bis unter acht Jahren Berufserfahrung – also nicht durch Anfänger, aber auch nicht durch ausgewiesene Expertinnen und Experten.
Das Design ist methodisch bemerkenswert: Die Teilnehmenden wurden 1:1 auf zwei Untersuchungssequenzen randomisiert. In der einen Gruppe erfolgte zunächst die unabhängige Echtzeit-Diagnose, gefolgt von einer KI-gestützten Offline-Nachbefundung. In der anderen Gruppe war es umgekehrt: PAICS-gestützte Echtzeit-Diagnose, anschließend unabhängige Offline-Überprüfung. Zwischen den Phasen lag eine vierwöchige Auswaschperiode. Referenzstandard war die Diagnose eines unabhängigen Expertengremiums anhand von Videoaufzeichnungen, wobei sowohl die Auswerter dieses Gremiums als auch die Outcome-Assessoren gegenüber der Gruppenzuteilung verblindet waren. Die Sonographierenden selbst wussten während der Untersuchung, ob sie KI-Unterstützung erhielten – eine in diesem Studienkontext kaum vermeidbare Einschränkung der Verblindung.
Zwischen September 2022 und November 2023 wurden insgesamt 1584 Untersuchungen abgeschlossen. Primäre Endpunkte waren Sensitivität und Spezifität bei der Erkennung von zehn definierten fetalen intrakraniellen Fehlbildungen, wobei die Sensitivität auf Überlegenheit und die Spezifität auf Nicht-Unterlegenheit (Marge 5 %) getestet wurde. Die Studie ist im Chinese Clinical Trial Registry unter ChiCTR2200063424 registriert.
Ergebnis: deutlicher Sensitivitätsgewinn bei erhaltener Spezifität
In der fetalenbasierten Analyse stieg die Sensitivität unter KI-Assistenz um 0,087 (95 %-KI 0,029–0,147) gegenüber der unabhängigen Diagnose ohne KI-Unterstützung. Das ist ein Effekt, der statistisch signifikant und klinisch relevant ist – gerade weil er sich bei bereits erfahrenen Untersuchenden zeigt und nicht auf ein Kollektiv mit geringer Vorerfahrung beschränkt bleibt. Gleichzeitig blieb die Spezifität im Rahmen der vordefinierten Nicht-Unterlegenheitsgrenze erhalten. Anders formuliert: Mehr echte Fehlbildungen wurden erkannt, ohne dass es zu einem relevanten Anstieg falsch-positiver Befunde kam.
Die Autorinnen und Autoren interpretieren dies als Beleg dafür, dass sich KI-Assistenz sinnvoll in das Fehlbildungsscreening bei Risikoschwangerschaften integrieren lässt, unabhängig vom Erfahrungsniveau der untersuchenden Person.
Was das für die Praxis in Deutschland bedeutet
Für Pränataldiagnostik-Zentren und geburtshilfliche Abteilungen in Deutschland liefert diese RCT einen wichtigen Baustein, aber noch keine unmittelbare Handlungsanweisung. Drei Punkte sind für die praktische Einordnung relevant:
Übertragbarkeit prüfen. Die Studie wurde an chinesischen Zentren mit einem spezifischen System (PAICS) durchgeführt, das in dieser Form in Deutschland nicht ohne Weiteres verfügbar oder zertifiziert ist. Vor einer Einführung vergleichbarer Systeme sollten Sie klären, ob eine CE-Kennzeichnung nach MDR vorliegt und ob Validierungsdaten für die hier üblichen Gerätehersteller und Bildakquisitionsstandards existieren.
Erfahrungsgrad der Anwender einordnen. Der beobachtete Nutzen betraf Untersuchende mit drei bis acht Jahren Erfahrung. Für die Frage, ob KI-Assistenz auch bei sehr erfahrenen Pränataldiagnostikern oder bei Berufseinsteigern einen vergleichbaren Effekt zeigt, liefert diese Studie keine direkten Daten.
Dokumentation und Verantwortlichkeit klären. Da die Sonographierenden wussten, wann sie KI-Unterstützung erhielten, spiegelt das Setting realistische Praxisbedingungen wider. Für die Implementierung in der eigenen Einrichtung bedeutet das: Legen Sie vorab fest, wie KI-Hinweise dokumentiert werden, wer die Letztverantwortung für die Befundung trägt und wie mit Diskrepanzen zwischen KI-Vorschlag und ärztlicher Einschätzung umgegangen wird.
Fazit
Die vorliegende RCT gehört zu den methodisch stärkeren Arbeiten zur KI-Unterstützung in der Pränataldiagnostik, weil sie ein Cross-over-Design, einen unabhängigen Referenzstandard und eine für diesen Bereich beachtliche Fallzahl kombiniert. Der belegte Sensitivitätsgewinn bei stabiler Spezifität spricht für das Potenzial solcher Systeme im Fehlbildungsscreening bei Risikoschwangerschaften. Für die Umsetzung in deutschen Praxen und Kliniken bleibt jedoch die Prüfung der regulatorischen Zulassung, der Systemvalidierung für lokale Gerätestandards und der organisatorischen Einbettung in bestehende Befundungsprozesse die entscheidende nächste Aufgabe.