Laife Reply (https://www.reply.com/laife-reply/en), ein auf KI- und Big-Data-Lösungen für das Gesundheitswesen spezialisiertes Unternehmen der Reply Gruppe, hat gemeinsam mit dem Europäischen Institut für Onkologie (https://www.ieo.it/en/) (IEO) ein wegweisendes Projekt (https://reply.com/de/artificial-intelligence/ieo-innovates-mammography-screening-with-agentic-systems-based-on-artificial-intelligence) realisiert. Ein Netzwerk intelligenter KI-Agenten unterstützt Radiologen gezielt bei der Früherkennung von Brustkrebs.

Ziel der Zusammenarbeit ist es, die klinischen Abläufe rund um die Brustkrebsdiagnostik effizienter zu gestalten - ein Bereich, der bisher durch viele manuelle Schritte geprägt ist. Vor diesem Hintergrund intensiviert das IEO die Partnerschaft mit Laife Reply und begleitet aktiv die Weiterentwicklung von X-RAIS, der KI-Plattform von Laife Reply, die das Mammografie-Screening intelligent unterstützt.

X-RAIS kombiniert neuronale Netze mit bildgebender Analytik (Radiomics) und nutzt ein Multi-Agenten-System, um Mammografie-Aufnahmen in Echtzeit auszuwerten. Verdächtige Areale oder Läsionen werden präzise erkannt und automatisch als gut- oder bösartig klassifiziert. Die Plattform ist vollständig in den klinischen Arbeitsablauf integriert und unterstützt das medizinische Fachpersonal in allen Phasen der Befundung - mit messbarem Effizienzgewinn und einem spürbar geringeren Ressourceneinsatz. Ein erster Agent konsolidiert die Ergebnisse der Bildanalyse und ergänzt sie bei Bedarf um Informationen aus der Patientenakte. Ein zweiter Agent priorisiert die untersuchten Fälle anhand eines Scoring-Systems, um besonders kritische Fälle schnell zu identifizieren.

X-RAIS wurde nach dem Prinzip "Human-in-the-Loop" entwickelt: Die finale Entscheidung liegt dabei stets beim Radiologen. So sind klinische Präzision und Patientensicherheit jederzeit gewährleistet. Das System folgt dem international anerkannten FHIR-Standard (Fast Healthcare Interoperability Resources) und lässt sich problemlos über eine API-Schnittstelle in bestehende IT-Landschaften von Krankenhäusern integrieren.

Das Projekt zeigt beispielhaft, wie agentenbasierte KI-Technologien konkrete Fortschritte in der medizinischen Praxis ermöglichen. Sie steigern die Effizienz des Screenings, verkürzen die Rückrufzeiten in kritischen Fällen und sorgen für eine bessere Versorgung komplexer Patienten.