gms | German Medical Science

Fragestellung: Präoperative Beurteilung der Beinachse ist für eine genaue Planung von Korrekturostotomien des Knies unerlässlich, und die postoperative Ausrichtung ist ein wichtiger Parameter für das klinische Ergebnis. Jedoch zeigen manuelle Vermessungen aufgrund mangelnder Standardisierung und individueller Festlegung von Orientierungspunkten, die von der Erfahrung des Untersuchers abhängt, eine schlechte Reproduzierbarkeit.

Ziel der Studie war es, die Zuverlässigkeit eines künstlichen-Intelligenz (KI) Algorithmus für die Bewertung von Ganzbeinröntgen nach Korrekturosteotomien des Kniegelenks zu analysieren und die Fähigkeit der Software zu bewerten, große Datensätze zu verarbeiten.

Methodik: Eine Validierungskohorte mit 100 postoperativen Ganzbeinröntgen von 92 Patienten und eine Evaluierungskohorte mit 506 prä- und postoperativen Ganzbeinröntgen von 213 Patienten wurden analysiert. Alle Patienten unterzogen sich einer Korrekturosteotomie des Kniegelenks (Distale-Femur-Osteotomie, Hohe-Tibia-Osteotomie, Bilevel-Osteotomie). In der Validierungskohorte wurde die Übereinstimmung der KI und den manuellen Vermessungen mittels intra-class-correlation-coefficient (ICC) anhand folgender Parameter beurteilt: mechanical-axis-deviation (MAD), hip-knee-ankle (HKA), joint-line-convergence (JLCA), mechanical-lateral-distal-femoral (mLDFA) and mechanical-medial-proximal-tibia-angle (mMPTA).

Unterschiede zwischen prä- und postoperativen Messungen wurde mittels der mittleren absoluten Abweichung bestimmt. Alle Ganzbeinröntgen der Evaluierungskohorte wurden manuell auf ihre Richtigkeit untersucht. Folgenden Fehler als klinisch relevant angesehen: >2° bei Winkeln und >5 mm bei Längen.

Ergebnisse: In der Validierungskohorte zeigte die KI exzellente Übereinstimmung mit den manuellen Vermessungen (ICC: 0,81–0,99) FIG01. Zuverlässige Outputs wurden in 95,0% der Validierungs- und 93,6% der Evaluierungskohorte generiert. Fehlerhafte Landmarkenerkennung wurde in 6,2% beobachtet. In der Evaluierungskohorte variierte die mittlere absolute Abweichung zwischen prä- und postoperativen Messungen zwischen 4,0 mm und 72,0 mm (MAD), 0,8° und 19,4° (HKA), 0,1° und 22,2° (mLDFA) und zwischen 2,1° und 23,3° (mMPTA).

Schlussfolgerung: Die Anwendung KI-basierter Algorithmen zur Beurteilung der Beinachse nach Korrekturosteotomien des Kniegelenks zeigen reproduzierbare und präzise Ergebnisse. Die KI zeigt das Vermögen auch große Datenmengen zu analysieren und kann so klinische Arbeitsabläufe beschleunigen und somit zu standardisierten postoperativen Qualitätskontrolle beitragen.