Dr. Peter Obid // Universitätsklinikum Freiburg

Entwicklung von wissenschaftlich validierten KI-Algorithmen zur Messung von Parametern der koronalen Ebene bei jugendlicher idiopathischer Skoliose

Herausforderung

Vor Beginn dieser Studie gab es keine gründlich validierten KI-basierten Algorithmen für die automatische Messung von Röntgenparametern in der Koronalebene von Wirbelsäulen-Vollbildern.  

Lösung

Entwicklung neuartiger AI-Algorithmen für die vollautomatische Messung von Parametern der koronalen Ebene.

Ergebnisse

Die Algorithmen wurden einer erfolgreichen Validierungsstudie unterzogen, deren Ergebnisse auf der 37. Tagung der North American Spine Society im Jahr 2022 vorgestellt werden sollen. Mit dieser Studie wurde die wissenschaftliche Grundlage für den künftigen Einsatz der Algorithmen in der klinischen Routineversorgung geschaffen. 

Auszug

Dr. Peter Obid entwickelte, in Zusammenarbeit mit dem Forschungs- und Entwicklungsteam von RAYLYTIC, neue KI-Algorithmen für die vollautomatische Messung dieser Parameter.

Während ihrer Entwicklung diente unsere UNITY-Plattform als elektronisches Datenerfassungssystem.  

Ausdifferenzierung von Anwendungen der künstlichen Intelligenz bei der Diagnose und Behandlung von Skoliose

Skoliosen sind die häufigsten Wirbelsäulendeformitäten bei Kindern und Jugendlichen.1 Die genaue und objektive Messung der Parameter der Wirbelsäulenbalance (SB), insbesondere in der sagittalen und koronalen Ebene, ist für die Diagnose der Skoliose und die Planung ihrer chirurgischen Korrektur von entscheidender Bedeutung. 

Die manuelle Auswertung von SB-Parametern ist oft ungenau und zeitaufwändig. Zur Verbesserung von Diagnose und Behandlung sind große Datenmengen aus verschiedenen Quellen erforderlich, z. B. aus großen Registern und Routineuntersuchungen. Selbst wenn diese Daten zugänglich sind, kann die subjektive Platzierung von anatomischen Orientierungspunkten die Messungen negativ beeinflussen. Den Abteilungen fehlen oft die Ressourcen, um diese Art von Analysen durchzuführen. 

„Der Aufwand und die Zeit, die mit der Zusammenstellung und Analyse von Registerdaten mit manuellen Techniken verbunden sind, sind enorm“, so Obid. 

Künstliche Intelligenz (KI) hat sich jedoch allmählich als schnelle und präzise Methode zur Diagnose und Messung von Skoliosen durchgesetzt. Vor der Studie von Herrn Dr. Obid profitierten nur Parameter in der Sagittalebene von der Schnelligkeit und Objektivität der KI-gestützten Analysen.

Das Projekt: Neue KI-Algorithmen für die automatische Messung von Röntgenparametern in der Koronalebene

Dr. Peter Obid, zum Zeitpunkt der Studie Clinical Assistant Professor für Orthopädie und Wirbelsäulenchirurgie am Universitätsklinikum Greifswald und heute Leiter der Wirbelsäulenchirurgie am Universitätsklinikum Freiburg, wollte die Möglichkeiten der KI bei der Diagnose und Behandlung von Skoliosen erweitern. Zu diesem Zweck entwickelte er in Zusammenarbeit mit RAYLYTIC KI-Algorithmen zur automatischen Vermessung geometrischer Parameter in der Koronalebene von Wirbelsäulen-Vollröntgenbildern.   

Ziel des von der AO-Stiftung geförderten Projekts war es, Algorithmen zu entwickeln, die die folgenden koronalen Parameter mit Objektivität und Präzision messen: Cobb-Winkel der großen und kleinen Kurven, Scheitelpunkt der Kurven, Schulterbalance, T1-Neigung, koronale Balance und lumbaler Modifikator.    

Die UNITY-Plattform von RAYLYTIC diente als elektronisches Datenerfassungs- (EDC) und Datenmanagementsystem. Dabei wurden die verschiedenen Module von UNITY in Übereinstimmung mit den gesetzlichen und datenschutzrechtlichen Anforderungen zum Hochladen, Verarbeiten und Anonymisieren der Bilddaten verwendet.

Ergebnisse und Vorteile

Mehr Zeit, Mehr Daten

Dr. Obid erklärte, dass er durch die Automatisierung seiner Messungen 10 bis 20 Minuten pro Patient einsparen kann, je nach Komplexität und Umfang der Analyse. Daher hat er mehr Zeit, um zusätzliche Daten aus verschiedenen Quellen zu analysieren.   

In diesem Zusammenhang lobte Obid die symbiotische Arbeitsbeziehung, die er mit RAYLYTIC eingehen konnte: Durch die Bereitstellung von Daten an RAYLYTIC hat er mehr Zeit für den Zugriff und die Analyse von Daten, die er zur Verbesserung seiner Behandlungsmethoden nutzt. 

Obids optimistische Prognose

Um ihre Präzision wissenschaftlich zu belegen, wurden die Algorithmen erfolgreich einer Validierungsstudie unterzogen. Die Ergebnisse werden auf der 37. Tagung der North American Spine Society in Chicago im Herbst vorgestellt.   

Das Projekt von Dr. Obid ist noch nicht abgeschlossen. Er zeigte sich zufrieden mit der Präzision der bereits entwickelten Algorithmen, wies aber darauf hin, dass der schwierigste Teil des Projekts noch bevorsteht: die postoperative Anwendung der Algorithmen. Hier geht er davon aus, dass die fortgesetzte Zusammenarbeit mit RAYLYTIC zu postoperativ anwendbaren Algorithmen führen wird, die ebenso präzise sind wie die präoperativ eingesetzten.    

Die Unkompliziertheit der Zusammenarbeit mit dem RAYLYTIC-Team hat Dr. Obid auch optimistisch gestimmt, was das Potenzial der KI für die Zukunft der Skoliosebehandlung angeht. Mit Hilfe von RAYLYTIC hofft er, „die bestehenden Algorithmen um die Fähigkeit zu erweitern, Parameter aus verschiedenen Blickwinkeln zu bewerten“. Insbesondere die automatische Messung von Parametern in lateralen und AP-Röntgenbildern wäre, seiner Einschätzung nach, eine wichtige Entwicklung in diesem Bereich.

¹ Théroux, J., Stomski, N., Hodgetts, C.J. et al. Prevalence of low back pain in adolescents with idiopathic scoliosis: a systematic review. Chiropr Man Therap 25, 10 (2017).

Stehen Sie vor einer ähnlichen Herausforderung und brauchen Unterstützung?

Entdecken Sie, wie Automatisierung Ihre Forschung voranbringen kann.