Hochentwickelte, auf riesigen Datensätzen trainierte KI-Systeme, wie Large Language Modelle (LLMs) und andere so genannte Foundation Modelle, haben ein enormes Innovationspotenzial für die moderne Medizin. In der Radiologie reichen mögliche Anwendungen von der KI-unterstützten Befundung über strukturierte diagnostische Entscheidungs-Unterstützung bis hin zur Integration komplexer klinischer und bildgebender Informationen, beispielsweise für Tumorboards. Aufgrund der Vielfalt möglicher Anwendungen besteht ein hoher Bedarf an wissenschaftlich fundierten, vergleichbaren und reproduzierbaren Studien, um diese Technologie in die klinische Praxis zu überführen.

Ein internationales Expertenteam unter Leitung des Instituts für Diagnostische und Interventionelle Radiologie der Uniklinik Köln hat in einem mehrstufigen Delphi-Verfahren eine Guideline erarbeitet, die standardisierten Vorgaben für Studien zu LLMs in der Radiologie definiert. Die Arbeit wurde von Dr. Jonathan Kottlors, Priv.-Doz. Dr. Dr. Andra Iza Iuga und Priv.-Doz. Dr. Simon Lennartz aus der Radiologie der Uniklinik Köln sowie von Univ.-Prof. Dr. Daniel Truhn von der Uniklinik RWTH Aachen geleitet und in der Fachzeitschrift Radiology publiziert.

Die im Rahmen der Studie erarbeitete Checkliste gibt klare Empfehlungen zur Studienplanung, Modellbeschreibung, wissenschaftlichen Evaluation und deren Dokumentation. Ziel ist es, die Erforschung von LLMs und anderer Foundation Modelle in der Radiologie besser zu strukturieren, um deren klinische Translation – von der Forschung zum Patienten – zu beschleunigen.