Siemens Healthineers

Der intelligente Begleiter für die Arbeit von Radiologen

Siemens Healthineers ist eines der weltweit führenden Medizintechnik-Unternehmen und bietet innovative Produkte und Dienstleistungen für zahlreiche Bereiche des Gesundheitswesens. Im Bereich der multimodalen Bildgebung stellt Siemens Healthineers eine KI-gestützte, Cloud-basierte Anwendung zur Entscheidungsunterstützung bereit: den AI-Rad Companion.

Radiologen und Radio-Onkologen müssen tagtäglich eine immense Anzahl an Bildern auswerten, wofür bei der wachsenden Arbeitslast meist nur wenig Zeit bleibt. Der AI-Rad Companion unterstützt seine Anwender bei der Begutachtung von Bildern und dem Erkennen radiologischer Auffälligkeiten. Mithilfe von Deep-Learning-Algorithmen werden Bilddatensätze automatisch nachbearbeitet, etwa durch das Labeln von Anatomien und dem Vergleichen der Ergebnisse mit Referenzwerten. Auf diese Weise können Nutzer bei Routineabläufen mit ständig wiederkehrenden Aufgaben und hohen Fallzahlen unterstützt werden.

Industry

Pharma & Healthcare

Expertise

UX-Consulting & Training
UX-Research
UX-Design

Deliverables

Interaction Concept & Design
Usability File
Formative & Summative Testing

(Wo)manpower

Ariane Jäger
Cathryn Mc Anespy
Cornelia Lüderitz

Time

Since 2019

Vertrauen schaffen in KI

Der AI-Rad Companion steht für eine Produktfamilie, die Lösungen (auch Erweiterungen oder Extensions genannt) für verschiedene Modalitäten und Körperregionen bereitstellt. Um eine konsistente Gestaltung über alle Erweiterungen hinweg zu gewährleisten, wurde UseTree für die Entwicklung der vier Anwendungen Brain MR, Prostate MR, Chest X-ray und Organs RT ins Boot geholt.

Vor Projektbeginn lagen bereits Mockups und Prototypen der Anwendungen vor, ebenso wie der Styleguide der übergeordneten Produktfamilie. Aufgabe war es, eine FDA-konforme Produktentwicklung über verschiedene Produktteams hinweg sicherzustellen, die gleichermaßen UX Research und Testing, UX Design sowie UX Consulting beinhaltete. Darüber hinaus richtete sich das Augenmerk auf eine transparente und verständliche Interaktion zwischen Arzt und innovativer Technologie, die Vertrauen in eine KI-basierte Anwendung schafft und einen erkennbaren Mehrwert bietet.

Innovation mit regulatorischen Anforderungen vereinen

Zu Beginn stand eine intensive Auseinandersetzung mit dem Nutzungskontext im Fokus. In Workshops, Interviews, Expert Reviews und Aufgabenanalysen identifizierten die Projektteams nutzerzentrierte Anforderungen und erste Risiken sowie Usability-Probleme. In vier Iterationen gestaltete das Design-Team Schritt für Schritt die Lösungen aus.

Komplementär dazu erfolgte das formative und summative Testing durch das Research-Team – immer mit dem Ziel, Risiken zu minimieren, bis am Ende ein Produkt für Ärzte entsteht. Weiterer Teil des Risiko-Managements bestand aus dem Testing des Benutzerhandbuchs. Jeden einzelnen Schritt sowie alle Änderungen aus den Testungen dokumentierte das Research-Team ausführlich in einer Usability-Akte.

Eine intelligente Unterstützung für Ärzte

Am Ende des Projektes begrüßt der AI-Rad Companion vier neue Produktmitglieder, die bereits in vielen Ländern verfügbar sind. Das Design schafft es dabei, die Brücke zwischen einer konsistent gestalteten Produktfamilie und den spezifischen Anforderungen der Extensions zu schlagen. Gleichzeitig liefert die transparente und reduzierte Darstellung genau so viele Informationen, um nicht überladen zu wirken und trotzdem verständlich zu bleiben.

Auf diese Weise erhält der Radiologe schnell und einfach zusätzliche Informationen zur Entscheidungsunterstützung, ohne im Vorfeld zeitintensive Anpassungen vornehmen zu müssen. Damit integriert sich der AI-Rad Companion nahtlos in den Workflow seiner Anwender und begleitet Radiologen und Radio-Onkologen bei ihrer täglichen Arbeit.

“Gerade bei der Entwicklung von Medizinprodukten, bei der jede Anpassung zusätzliche regulatorische Aufwände mit sich zieht, ist eine frühzeitige und konsequente Einbindung von UX in alle Phasen wesentlich. Mit UseTree haben wir diese Herausforderung gleich zu Beginn unserer Produktentwicklung adressiert. Im Ergebnis haben wir ein Produkt mit einer hoher Nutzerakzeptanz geschaffen und zusätzlich Zeit und damit auch unnötige Kosten gespart.”

Philip Mewes, Global Head of R&D AI Rad Companion

Bildquellen

  1. Copyright Siemens Healthineers
  2. Copyright FAU Erlangen
  3. UseTree, Workshop
  4. Copyright Siemens Healthineers
  5. Copyright Siemens Healthineers & Copyright LMU, Klinikum der Universität München / University Hospital Munich, Röntgenbild (Xray)

Further Reading