Zusammenfassung: Künstliche Intelligenz (KI) transformiert zunehmend die pädiatrische Radiologie. Im Gegensatz zu KI-Anwendungen bei Erwachsenen müssen pädiatrische Systeme die hohe anatomische Variabilität durch Wachstum und Entwicklung berücksichtigen. Kinder sind zudem strahlenempfindlicher als Erwachsene, was besondere Anforderungen an Bildgebungsprotokolle stellt. Die technisch ausgereiftesten Anwendungen finden sich in der muskuloskelettalen Bildgebung: Knochenalterbestimmung und Frakturerkennung zeigen bereits klinische Reife mit kommerziell verfügbaren Systemen. Ein kritischer Befund: Viele an Erwachsenen trainierte KI-Modelle zeigen deutliche Leistungseinbußen bei pädiatrischen Patientinnen und Patienten, insbesondere bei jüngeren Kindern. »Deep Learning Image Reconstruction« ermöglicht deutliche Dosisreduktionen ohne Qualitätsverlust – ein wichtiger Fortschritt für den Strahlenschutz. Für die ambulante Praxis gilt: KI ist ein Unterstützungswerkzeug, das menschliche Expertise ergänzt, aber nicht ersetzt. Der klinische Kontext bleibt entscheidend. Onlinedatenbank: med-search
Autoren: N. Stranger, M. Scherkl, A. Ciornei-Hoffman, Y. Blumberger, S. Tschauner
Rubrik: Jugendmedizin, Radiologie, Diverses
Verlag: mgo fachverlage GmbH & Co. KG
Stichworte: Bildgebung, Diagnostik, Künstliche Intelligenz, Maschinenlernen, pädiatrische Radiologie, Radiologie
ISSN: 0030-9346
Institut: Abteilung für Kinderradiologie, Universitätsklinik für Radiologie, Medizinische Universität Graz