Die Radiologie wird zunehmend quantitativ
Die Radiologie entwickelt sich zunehmend von der reinen Bilddiagnostik zur quantitativen Medizin. Moderne KI-Systeme können heute aus MRT- und CT-Untersuchungen deutlich mehr Informationen gewinnen als noch vor wenigen Jahren.
Eine aktuelle, grosse Studie, die im Fachjournal Radiology veröffentlicht wurde, zeigt, wie künstliche Intelligenz automatisch Muskelmasse, Muskelqualität und Fettverteilung aus Ganzkörper-MRT-Untersuchungen analysieren kann.
Dabei geht es nicht nur um ästhetische oder sportmedizinische Fragestellungen. Die Ergebnisse könnten künftig helfen, metabolische Erkrankungen und Herz-Kreislauf-Risiken präziser einzuschätzen.
Die KI-gestützte Analyse der Fettverteilung im MRT könnte künftig helfen, metabolische Risiken früher zu erkennen.
Warum KI und MRT die Fettverteilung besser analysieren können
Der Body-Mass-Index, kurz BMI, gilt seit Jahrzehnten als Standardparameter zur Beurteilung des Körpergewichts. Das Problem: Der BMI unterscheidet nicht zwischen Muskelmasse und Fettgewebe.
Zwei Menschen können denselben BMI haben, aber eine völlig unterschiedliche Körperzusammensetzung.
Genau hier setzt die moderne Bildgebung an.
MRT und CT können heute präzise darstellen:
- viszerales Fett
- subkutanes Fett
- Muskelmasse
- Fettinfiltration der Muskulatur
- Organvolumina
Mit KI lassen sich diese Daten inzwischen automatisiert auswerten.
Was die Studie untersucht hat
Die Arbeitsgruppe analysierte mehr als 66’000 Ganzkörper-MRT-Untersuchungen mithilfe künstlicher Intelligenz.
Die Software segmentierte automatisch verschiedene Körperregionen und berechnete quantitative Parameter der Körperzusammensetzung.
Dabei zeigte sich unter anderem:
- Vermehrtes viszerales Fett war mit einem erhöhten Diabetesrisiko assoziiert.
- Fettinfiltration der Muskulatur korrelierte mit kardiovaskulären Risiken.
- Geringe Muskelmasse war mit erhöhter Mortalität verbunden.
Die Autoren sehen darin einen möglichen Schritt hin zu einer stärker personalisierten und prädiktiven Medizin.
Warum das für die Radiologie relevant ist
Besonders interessant ist der opportunistische Ansatz.
Viele dieser Informationen könnten künftig aus bereits vorhandenen Routineuntersuchungen gewonnen werden – ohne zusätzliche Strahlenexposition oder zusätzliche MRT-Termine.
Ein Abdomen-CT oder eine MRT-Untersuchung könnte damit in Zukunft nicht nur morphologische Diagnosen liefern, sondern zusätzlich metabolische Risikoprofile berechnen.
Das verändert langfristig die Rolle der Radiologie:
- weg von der reinen Befundbeschreibung
- hin zur quantitativen Risikostratifizierung
- und zur KI-gestützten Präventionsmedizin
Grenzen der aktuellen Entwicklung
Die Studie bedeutet nicht, dass solche Analysen bereits überall klinischer Alltag sind.
Für die automatisierte Auswertung werden spezialisierte und validierte Bildanalyseprogramme benötigt. Allgemeine KI-Chatbots können diese Segmentierungen derzeit nicht selbstständig aus DICOM-Daten berechnen.
Zudem müssen zukünftige Studien noch zeigen, wie stark diese zusätzlichen Informationen tatsächlich therapeutische Entscheidungen verbessern.
Fazit
Die Studie zeigt eindrucksvoll, welches Potenzial moderne KI-Systeme in der CT- und MRT-Diagnostik besitzen.
Die automatische Analyse von Muskel- und Fettverteilung könnte in Zukunft helfen, Erkrankungsrisiken früher zu erkennen und die Radiologie stärker in Richtung Präventionsmedizin weiterzuentwickeln.
Noch befindet sich diese Entwicklung teilweise im Forschungsbereich. Der Trend ist jedoch klar sichtbar: Bildgebung wird zunehmend quantitativ.
Literatur
- Liu Y et al. AI-Derived Body Composition Biomarkers from Whole-Body MRI for Cardiometabolic Risk Assessment. Radiology. 2026.
Originalartikel: https://pubs.rsna.org/doi/10.1148/radiol.251939
- Summers RM. Deep Learning and Body Composition Imaging. Radiology. 2024.
- Pickhardt PJ et al. Opportunistic Screening at CT: Body Composition and Sarcopenia. Radiologic Clinics of North America. 2023.
