KI analysiert Bauch-CTs und übertrifft spezialisierte Diagnosemodelle

Ein Forschungsteam der Stanford University hat mit „Merlin“ ein KI-Modell für die Analyse von Computertomographie-Bildern entwickelt. Das System verarbeitet dreidimensionale Bauch-CT-Scans und verknüpft Bildinformationen mit medizinischen Diagnosedaten. Die Studie erschien am 4. März 2026 im Fachjournal „Nature“.

Die Forschenden trainierten das Modell mit mehr als 15.000 CT-Scans. Diese Daten waren mit radiologischen Befunden und fast einer Million Diagnosecodes verbunden. Anschließend prüften sie die Leistung mit über 50.000 zuvor unbekannten Scans aus vier Krankenhäusern.

Merlin löste Aufgaben in sechs Bereichen. Dazu zählen die Zuordnung zu 692 Diagnosecodes, die Segmentierung von Organen im dreidimensionalen Raum und die Erstellung radiologischer Berichte. Auch Krankheitsverläufe lassen sich prognostizieren. Bei der Rangfolge möglicher Diagnosecodes lag das Modell in über 81 Prozent der Vergleiche richtig. Für eine Teilmenge von 102 Codes stieg die Quote auf 90 Prozent.

Besonders relevant sind die Prognosen für zukünftige Erkrankungen. Auf Basis von CT-Scans gesunder Personen schätzte Merlin Risiken für Krankheiten wie Diabetes, Osteoporose oder Herzkrankheiten präziser ein als Vergleichssysteme. In Tests lag die Trefferquote bei 75 Prozent. Vergleichsmodelle erreichten 68 Prozent.

Das Modell zeigt zudem eine hohe Übertragbarkeit. Obwohl das Training ausschließlich mit Bauch-CTs erfolgte, erzielte Merlin bei Brust-CT-Analysen mindestens gleich gute Ergebnisse wie spezialisierte Systeme.

Die Forschenden sehen darin einen Prototyp für sogenannte Foundation Models in der medizinischen Bildgebung. Solche Systeme lernen Zusammenhänge zwischen Bildern und Textdaten und lassen sich anschließend für unterschiedliche Aufgaben anpassen. Das Team plant weitere Verbesserungen, etwa für die automatische Erstellung vollständiger Befundberichte. Die Arbeit wurde von mehreren Instituten der US National Institutes of Health gefördert.