
Prostate.Carcinoma.ai
KI verändert die Prostatadiagnostik
Prostatakrebs gehört weltweit zu den häufigsten Krebserkrankungen bei Männern. Allein in Deutschland werden jährlich über 65.000 Neuerkrankungen verzeichnet [1]. Eine frühzeitige und zuverlässige Diagnose ist entscheidend, doch die radiologische Befundung mittels multiparametrischer MRT ist zeitaufwändig und anspruchsvoll. Fachkräfte sind stark ausgelastet, Fehldiagnosen bleiben ein Risiko [2, 3]. Genau hier setzt unsere KI-Lösung Prostate.Carcinoma.ai an: Sie automatisiert zentrale Schritte bei der Befundung, spart Zeit und unterstützt Radiolog:innen mit objektiven, konsistenten Ergebnissen.
Seit 2019 entwickeln wir Prostate.Carcinoma.ai, um das Prostata-Screening nach PI-RADS einfacher, schneller und sicherer zu machen. In deutschen und Schweizer Kliniken ist die Software bereits in bestehende Bildbetrachtungssysteme unserer Partner integriert und entlastet Radiolog:innen spürbar im klinischen Alltag [4].
Das zeichnet Prostate.Carcinoma.ai aus:
Vollautomatische 3D-Segmentierung der Prostata
Automatisierte Erkennung und Segmentierung von Prostataläsionen
Klassifizierung der Läsionen in potenziell gut- und bösartig
Präzise, voxel-genaue Volumenbestimmung von Prostata und Läsionen
Erfüllt den DICOM Standard für Datenübertragung per DICOM-DIMSE
MDR (EU) 2017/745 zertifiziert seit Ende 2023
Integriertes Plug-in für PACS bzw. Viewer Workstations
Über Lizenzvergabe erhältlich
Wissenschaftlich nachgewiesene Vorteile
Die Integration von Prostate.Carcinoma.ai erleichtert den PI-RADS v2.1 Workflow nachweislich wie folgt:
Schnellerer Fokus auf relevante Areale
Kürzere MRT-Bildanalyse und erhöhte Effizienz
Minimierung manueller Arbeitsschritte
Genauere Bestimmung von Prostata- und Läsionsvolumen [3].
Referenzen
[1] Krebsinformationsdienst – Deutsches Krebsforschungszentrum (DKFZ). Prostatakrebs: Definition, Prognose und Häufigkeit. Aufgerufen am 18.06.2025 über: https://www.krebsinformationsdienst.de/prostatakrebs.
[2] Bundesagentur für Arbeit. Engpassanalyse: Interaktive Statistik zum Fachkräftebedarf in der Radiologie. Aufgerufen am 18.06.2025 über: https://statistik.arbeitsagentur.de/DE/Navigation/Statistiken/Interaktive-Statistiken/Fachkraeftebedarf/Engpassanalyse-Nav.html?Thema%3Dsuche%26DR_Region%3Dd%26DR_Anf%3D2%26DR_Berufe%3D8123%26mapHadSelection%3Dfalse%2C%20abgerufen%20am%2015.5.25.
[3] Zhang, L. et al. (2023). Diagnostic error and bias in the department of radiology: a pictorial essay. Insights into Imaging. 2023 Oct 2;14(1):163. doi: 10.1186/s13244-023-01521-7.
[4] F. Burn et al. (2025). Unveröffentlichtes Manuskript zur Einreichung bei einem peer-reviewten Journal.