Samsung AI Ultraschall R20: Erfahrungen
Die Integration von Künstlicher Intelligenz (KI) in die medizinische Diagnostik schreitet voran. Aktuelle Entwicklungen wie das Samsung R20 Ultraschallsystem und NVIDIA-basierte digitale Lungen-Zwillinge zeigen, wie KI den klinischen Workflow unterstützen und die Präzision verbessern kann.
Quelle: Eigene Darstellung
KI im Gesundheitswesen
In Interviews und Erfahrungsberichten äußern Radiolog:innen und Sonograf:innen eine Mischung aus Erleichterung und Skepsis bezüglich des Einsatzes von KI. Die Erwartung ist, dass KI den Alltag erleichtert, ohne die eigene Expertise zu entwerten. Aktuelle Ankündigungen, wie der Samsung R20-Ultraschall auf der RSNA 2025 und die NVIDIA-basierten Digital Twins der Lunge von L&T Technology Services, zeigen eine Entwicklung weg von isolierten „Gadget-Algorithmen“ hin zu einer tief in den klinischen Workflow integrierten KI-Assistenz.
Die Radiologie steht weltweit unter doppeltem Druck: Eine alternde Bevölkerung und die Zunahme chronischer Erkrankungen erhöhen die Nachfrage nach Bildgebung, während die Anzahl der Radiolog:innen nicht proportional wächst. Eine aktuelle Analyse für die USA beschreibt etwa 34.000 praktizierende Radiolog:innen, von denen rund ein Drittel über 55 Jahre alt ist. Dies führt zu einer Lücke zwischen offenen Stellen und nachrückenden Fachärzt:innen. Ähnliche Engpässe werden im britischen NHS beschrieben, wo onkologische Patient:innen mit verlängerten Wartezeiten für bildgebende Diagnostik konfrontiert sind (The Guardian).
Radiologie ist das Fachgebiet, in dem KI-Software am weitesten verbreitet ist. Mehr als drei Viertel der von der US-Food and Drug Administration zugelassenen KI-Produkte im Medizinbereich sind für radiologische Anwendungen konzipiert. Etwa zwei Drittel der US-Radiologieabteilungen nutzen bereits eine Form von KI-Support (The Washington Post). Bislang dominieren Detektions-Algorithmen für Hirnblutungen, Lungenrundherde oder Mammakarzinome. Zunehmend kommen jedoch Tools hinzu, die Protokolle vorschlagen, Worklists sortieren oder Befundentwürfe generieren (The Washington Post, Nature).
Samsung R20 Ultraschall
Samsung Medison stellt auf der RSNA 2025 in Chicago das neue Ultraschallsystem R20 vor. Dieses System kombiniert mehr als ein Dutzend KI-Funktionen für Echtzeit-Unterstützung, automatische Messungen, Befundunterstützung und Workflow-Automatisierung (Samsung Global Newsroom, TechBuzz.ai).
Der Kern des Systems ist der „Advanced Imaging Engine“, der Hardware- und softwarebasiertes Beamforming koppelt. Dies ermöglicht eine höhere Bildqualität und diagnostische Präzision in schwierigen Situationen, beispielsweise bei adipösen oder schwer erkrankten Patient:innen (healthtechhotspot.com).
Die KI-Tools des R20 decken mehrere Ebenen ab: Während des Scans erhalten Untersuchende Hinweise zu Sondenposition, Schnittführung und Bildqualität. Wiederkehrende Messungen wie Distanzen, Flächen oder Volumina werden automatisch erkannt und in strukturierte Befunddaten übersetzt (healthtechhotspot.com, TechBuzz.ai). Der R20 zielt somit auf praktische Unterstützung ab: weniger Klicks, weniger manuelle Nachmessungen und mehr Konsistenz zwischen Untersuchenden mit unterschiedlichem Erfahrungsstand (healthtechhotspot.com).
Quelle: news.samsung.com
Das Samsung R20 Ultraschallgerät in Aktion.
Ein weiterer wichtiger Aspekt sind die ergonomischen Punkte. Laut Samsung geben bis zu 90 % der Ultraschallanwender:innen an, regelmäßig unter Schmerzen beim Scannen zu leiden, verursacht durch hohen Sondendruck, abduzierte Schultern oder verdrehte Haltung (healthtechhotspot.com). Der R20 wurde von einem unabhängigen Institut geprüft und erfüllt 100 % der anerkannten ergonomischen Richtlinien. In Kombination mit KI-gestützten Workflows soll dies die körperliche Belastung senken und dem Fachkräftemangel entgegenwirken (healthtechhotspot.com, TechBuzz.ai).
Erste Erfahrungen mit dem R20 stammen hauptsächlich aus Hands-on-Sessions und Pressemeldungen. Dort wird betont, dass die mehr als zwölf KI-Tools als „praktische klinische Unterstützung“ positioniert werden und nicht als Spielerei. Dies unterscheidet sich von früheren Generationen von KI-Features, die oft als Add-on neben dem eigentlichen Workflow liefen (healthtechhotspot.com, TechBuzz.ai). Verlässliche unabhängige Studien oder Langzeiterfahrungen aus großen Kliniken sind noch kaum verfügbar, da das System gerade erst in den US-Markt eingeführt wird und zunächst an Zentren mit hoher Fallzahl adressiert wird (healthtechhotspot.com, TechBuzz.ai).
Digitale Lungen-Zwillinge
Parallel zum AI-Ultraschall entwickelt L&T Technology Services gemeinsam mit NVIDIA eine KI-gestützte Digital-Twin-Plattform für die Lunge, die ebenfalls auf der RSNA 2025 vorgestellt wird (Business Wire, ltts.com).
Diese Lösung integriert sich in die CT-Bildgebung und nutzt Deep-Learning-Modelle zur Segmentierung, um ein patientenspezifisches 3D-Modell der Lunge zu erstellen. Dieses Modell stellt Bronchialbaum, Gefäße, Lungenlappen und Läsionen dar (Business Wire). Technisch basiert die Plattform auf NVIDIA MONAI für die medizinische Bildsegmentierung und NVIDIA TensorRT für die beschleunigte Inferenz. Diese Kombination soll Modelle mit geringer Latenz und klinischer Bildqualität bereitstellen (Business Wire).
Quelle: pl.linkedin.com
Detailansicht des Samsung R20 Ultraschallgeräts.
Der entstehende „biologische Digital Twin“ der Lunge bietet interaktive Visualisierung, präzise Pfadplanung und Navigationsunterstützung für die Bronchoskopie. Dies ist nützlich bei der Planung, wie ein Bronchoskop zu einem peripheren Rundherd geführt wird, der im 2D-CT nur als kleine Verschattung erscheint (Business Wire). L&T betont, dass aus statischen CT-Snapshots „lebende“ Modelle werden sollen, die sich mit dem Krankheitsverlauf verändern und so eine dynamische Verlaufssimulation bei Lungentumoren, COPD und infektiösen Erkrankungen ermöglichen (Business Wire).
Dieses Projekt knüpft an eine Entwicklung an, die in der wissenschaftlichen Literatur schon länger sichtbar ist: Organspezifische Digital Twins für Herz und Lunge werden zunehmend für präzise Simulationen und personalisierte Therapieplanung diskutiert (Nature, MDPI, PMC). Übersichtsarbeiten zu medizinischen Digital Twins betonen drei Bausteine: einen physischen Zwilling (Patient:in), einen virtuellen Zwilling (Modell) und eine bidirektionale Verbindung, über die reale Messdaten das Modell aktualisieren und Simulationsergebnisse in echte Entscheidungen einfließen (Nature).
Für die Lunge bedeutet dies konkret: CT-Daten, funktionsdiagnostische Messungen und zukünftig möglicherweise Wearables oder Beatmungsparameter fließen in das Modell ein. Simuliert werden können dann Strömungsverhältnisse, Ventilation, Belastung einzelner Lappen oder die Auswirkung geplanter Resektionen (Nature, PMC).
KI in der Radiologie
Für Ultraschall gibt es bereits konkrete Daten, wie stark KI-unterstützte Bildgebung den radiologischen Workflow beeinflussen kann. Auf der RSNA wurden Studien vorgestellt, in denen KI-Assistenz in der muskuloskelettalen Sonografie die Befundungszeit im Vergleich zu konventionellen Workflows um rund 31 % reduzierte, ohne Einbußen bei der diagnostischen Qualität. Solche Zahlen sind relevant, da sie direkt an die Herausforderungen im Alltag anknüpfen: übervolle Worklists, Nachtdienste mit vielen Fällen und der Kompromiss zwischen Gründlichkeit und Durchsatz (Nature).
Ein typisches Szenario in einer Notaufnahme erfordert parallel mehrere eFAST-Untersuchungen, einen POCUS bei Dyspnoe und einen Abdomen-Ultraschall bei Oberbauchschmerz. KI-gestützte Systeme können in solchen Situationen automatisch relevante Standardmessungen setzen, Bildserien sortiert in vordefinierte Protokoll-Layouts ablegen und bereits während des Scans Plausibilitätschecks durchführen, bevor die Bilder im PACS erscheinen (healthtechhotspot.com, Nature).
Die Rolle der Radiolog:innen verschiebt sich dadurch weg von manuellen Routinetätigkeiten hin zu Qualitätskontrolle, Korrelation mit der Klinik und Entscheidungsunterstützung. Dies sind genau die Funktionen, die menschliche Expertise im Team unersetzlich machen (The Washington Post).
Zukunft der Diagnostik
Digital-Twin-Konzepte sind in der Industrie, etwa in der Luft- und Raumfahrt oder Automobilproduktion, seit Jahren etabliert, um Designentscheidungen zu simulieren und Fehler frühzeitig zu erkennen (Nature). In der Medizin konzentrierte sich der Fokus zunächst auf das Herz, beispielsweise im „Living Heart“-Projekt, und weitet sich nun auf andere Organe wie Lunge, Gehirn und Skelettsystem aus (Nature).
Im Kontext von COVID-19 wurden bereits Digital-Twin-Ansätze für die Lunge entwickelt, um Beatmungseinstellungen und Ressourcenplanung zu optimieren, etwa im Projekt „BreathEasy“ (Nature, PMC). Neu an den aktuellen Initiativen ist, dass mit Plattformen wie der von L&T und NVIDIA produktreife Lösungen für den klinischen Alltag entstehen sollen, einschließlich der Integration in Bildarchiv-Systeme, Bronchoskopienavigation und perspektivisch auch Tumorboards (Business Wire).
Quelle: news.samsung.com
Moderne Samsung Ultraschallgeräte mit KI-Integration.
Konkrete Anwendungsfälle für die Digital-Twin-Technologie in der Medizin sind vielfältig: Eine Thorax-CT eines COPD-Patienten kann in ein simuliertes Modell überführt werden, um die Konsequenzen einer Volumenreduktion oder einer resezierenden Operation durchzuspielen. Bei einem suspekten Rundherd kann die Bronchoskopieplanung im virtuellen Zwilling erfolgen, bevor die Operation beginnt (Business Wire, PMC).
Wie jedes neue Werkzeug birgt auch diese Technologie Risiken und offene Fragen, darunter die Validierung über verschiedene Scanner-Typen und Patientengruppen, die regulatorische Einordnung als Medizinprodukt, Haftungsfragen bei Navigationsfehlern oder die Transparenz der zugrundeliegenden Modelle (Nature). Gleichzeitig eröffnet der Ansatz die Möglichkeit, klinische Studien teilweise „in silico“ zu ergänzen, Therapien besser zu personalisieren und komplexe Eingriffe vorab virtuell zu testen (Nature, Nature).
Die Kombination aus AI-Ultraschall wie dem Samsung R20 und organspezifischen Digital Twins der Lunge zeigt, dass KI in der Diagnostik aus der Experimentierphase herauswächst und zunehmend in die Infrastruktur von Radiologie und funktioneller Diagnostik integriert wird (TechBuzz.ai, Business Wire). Radiologie-Teams reagieren darauf nicht, weil „KI trendig“ wäre, sondern weil Fachkräftemangel, steigende Fallzahlen und immer komplexere Bilddaten ohne Automatisierung schwer beherrschbar sind (Nature, The Guardian).
Die Erfahrungen mit dem Samsung R20 Ultraschall werden in den kommenden Monaten zeigen müssen, ob die KI-Tools und die ergonomische Optimierung im Klinikalltag tatsächlich zu weniger Überlastung, geringerer Fehlerquote und höherer Untersuchungsqualität führen oder ob zusätzliche Komplexität durch Konfiguration und Fehlalarme entsteht (healthtechhotspot.com, TechBuzz.ai). Ähnliches gilt für die NVIDIA Digital Twin Lunge Diagnostik: Der praktische Mehrwert wird daran gemessen werden, ob Bronchoskopien sicherer, Resektionen planbarer und COPD-Verläufe besser vorhersagbar werden und ob sich dieser Nutzen gegenüber dem Mehraufwand für Modellierung und Datenintegration behaupten kann (Business Wire, PMC).
Klar ist, dass KI-unterstützte Bildgebung und Digital-Twin-Plattformen Radiolog:innen, Pneumolog:innen und interventionelle Teams nicht ersetzen, sondern sie zwingen, ihre Rolle neu zu definieren. Weg vom „Klick-Arbeitsplatz“ hin zur Orchestrierung von Algorithmen, klinischen Daten und Patient:innenbedürfnissen (The Washington Post, Nature). In dieser Rolle kann KI Routine abnehmen, Komplexität sortieren und damit den menschlichen Teil der Medizin – Kommunikation, Priorisierung, Verantwortung – stärken, statt ihn zu verdrängen (Nature).