Osteologie 2024; 33(02): 110-111
DOI: 10.1055/s-0044-1782049
Abstracts
1. Freie Vorträge 1

Deep-Learning KI in der Detektion von Wirbelkörperfrakturen aus CT Untersuchungen des Abdomens und des Thorax

Ramy Sedra
1   Marien Klinikum Mainz, Zentrum für Orthopädie und Unfallchirurgie, Mainz
,
Christoph Salzlechner
2   Image Biopsie Lab, Wien
,
Richard Ljuhar
3   Image Biopsie Lab, Wien
,
Jörn Balzer
4   Marien Klinikum Mainz, Abteilung für Diagnostische und Interventionelle Radiologie, Mainz
,
Andreas A. Kurth
1   Marien Klinikum Mainz, Zentrum für Orthopädie und Unfallchirurgie, Mainz
› Author Affiliations
 

Einleitung: In allen Leitlinien für die Osteoporose gelten Wirbelkörperfrakturen als einer der höchsten Risikokfaktoren für weitere klinische osteoporosebedingte Frakturen. Trotzdem werden viele Wirbelkörperfrakturen, gerade bei älteren PatientInnen, nicht erkannt und verlaufen stumm. Täglich werden CT Untersuchungen des Abdomens und des Thorax durchgeführt und meistens wird die Wirbelsäule dabei nicht mit beurteilt. Das Vorhandensein von Wirbelkörperfrakturen/multiplen Wirbelkörperfrakturen kann aber entscheidend für die frühe Einleitung einer notwendigen Therapie der Osteoporose sein. In einer Pilotstudie konnte die Beta Version einer Deep-Learning Software für Künstliche Intelligenz retrospektiv angewendet werden.

Methode: Die KI Software „Flamingo“ (Imagebiopsy Lab, Wien) erkennt Wirbelfrakturen aus thorakalen und abdominalen Computertomographien (CT). Sie kann auf bereits vorhandene CT-Scans angewendet werden und sagt mithilfe eines 3-dimensionalen neuronalen Faltungsnetzwerks für jedes Voxel eine Klassenwahrscheinlichkeit voraus. Diese retrospektive Analyse umfasste 30 Probanden mit thorakalen und/oder abdominalen CT-Untersuchungen. 3 Datensätze konnten nicht ausgewertet werden, damit standen 27 unselektierte CT Untersuchungen von Thorax und Abdomen unserer Klinik anonymisiert zur Verfügung. In die Analyse mit einbezogen wurden die Wirbelkörper Th 1 bis L5, wenn auf den CTs miterfasst. Die CT-Studien wurden verblindet von einem Radiologen und einem Orthopäden unabhängig voneinander auf Frakturen untersucht und nach der Genant-Klassifikation klassifiziert. Anschließend wurden die CT-Untersuchungen von „Flamingo“ analysiert und nach der Genant Klassifikation eingeteilt. Keine Fraktur (Genant 0), geringe Fraktur (Genant I), mäßige Fraktur (Genant II) und schwere Fraktur (Genant III) klassifiziert.

Ergebnisse: Es standen Datensätze von 27 Probanden (Durchschnittsalter 72 Jahre, 22,2 % Männer) zur Verfügung. Es wurden insgesamt 225 Wirbelkörper analysiert und beurteilt. „Flamingo“ hat bei 10 Probanden insgesamt 13 Frakturen identifiziert und bei 212 Wirbelkörpern keine Fraktur. Bei 4 Patienten wurden multiple Wirbelkörperfrakturen detektiert. Die Deformierungen nach Genant erbrachte: Genant I 2, Genant II 8, Genant III 3. Die verblindete Auswertung des Radiologen und des Orthopäden erbrachte eine 92% Übereinstimmung mit den in „Flamingo“ gefundenen Wirbelkörperfrakturen und der Genant Klassifikation. „Flamingo“ hat 1 Wirbelkörper als frakturiert erkannt, der nicht frakturiert war. Jedoch war eine radiologische Abnormalität (Zyste) erkennbar. In der ursprünglichen Routine-Beurteilung der CT Untersuchungen wurden die multiplen Wirbelkörper erkannt, die niedrigen Deformitäten Genant 1 und 2 nur zu 40%.

Diskussion: Die KI Software „Flamingo“ zeigte in dieser kleinen Pilotstudie eine gleich hohe Detektionsrate wie trainierte Ärzte, die mit der Fragestellung konfrontiert sind. In der Routine Auswertung von CT mit anderen Fragestellungen werden oftmals die Wirbelkörperfrakturen nicht erkannt oder erwähnt. Die Anwendung von „Flamingo“ in der Routine könnte die Zahl der nicht diagnostizierten Frakturen verringern und damit das Risiko für osteoporose-bedingte Frakturen der untersuchten Patienten genauer einschätzen.

Korrespondenzadresse: Ramy Sedra, Marien Klinikum Mainz, Zentrum für Orthopädie und Unfallchirurgie, An der Goldgrube 11, 55131 Mainz, Deutschland, E-Mail: ahakurth@t-online.de



Publication History

Article published online:
13 March 2024

© 2024. Thieme. All rights reserved.

Georg Thieme Verlag
Rüdigerstraße 14, 70469 Stuttgart, Germany