gms | German Medical Science

Fragestellung: Obwohl der Hüftgelenksersatz zu den erfolgreichsten und am häufigsten durchgeführten Eingriffen des 21. Jahrhunderts zählt, ist die Sicherstellung einer korrekten Pfannenimplantation nicht immer adäquat möglich. Bei der Versorgung von degenerativen Hüftgelenkserkrankungen und coxalen Femurfrakturen stellen Gelenkluxationen, Impingement und Implantatlockerungen die zentralen Komplikationen dar.

Die Literatur schlägt neben des Einsatzes eines intraoperativen CT-Scans, bis hin zur invasiven Navigation und Robotik Verfahren zur Orientierung der Pfannenposition vor. Bisher konnte sich kein Verfahren als Goldstandard etablieren. Die erfolgreiche Implantation der Hüftpfanne hängt noch heute von der Erfahrung des Operateurs ab.

Künstliche Intelligenz (KI) revolutioniert zunehmend diverse Branchen und eröffnet Perspektiven in der Automatisierung und Entscheidungsfindung. Orthopädie und Unfallchirurgie bedeutet Präzisionsmedizin, weshalb das Potenzial dieser Technologie bei der Patientenversorgung genutzt werden muss.

Ziel dieser Studie ist es, eine KI zu entwickeln, welche es ermöglicht das Röntgenbild der implantierten Hüftpfanne automatisiert zu analysieren und die 3D-Pfannenposition im Raum anhand des 2D-Röntgenbildes auszugeben. Die Hüftpfanne kann in einem Becken-AP-Röntgen als Projektion eines 3D-Körpers auf die 2D-Bildebene betrachtet werden. Die mathematische Grundlage ist, dass die Hüftpfanne eine „Halbkugel“, eine Ellipse in einem 2D-Projektionsbild bildet und von dieser auf die Stellung der „Halbkugel“ im Raum rückgeschlossen werden kann.

Methodik: Im ersten Schritt wurde die KI anhand von postoperativen Becken-AP-Röntgen nach Implantation einer HTEP angelernt.

Anhand eines Saw-Bone-Modells, mit variabler und zuvor genau definierter Pfannenposition, erfolgte anschließend die Validierung der trainierten KI.

Als Goldstandard wurde die menschliche CAD-Messung der Pfannenausrichtung durch ärztliches Personal anhand der Röntgenbilder verglichen. Die Intraobserver- und Interrater-Reliabilität wurde mit Hilfe der Intraklassenkorrelation (ICC) bewertet.

Ergebnisse und Schlussfolgerung: In Zusammenarbeit mit der Fachhochschule Hannover wurde eine KI entwickelt, welche durch eine automatisierte Analyse eines konventionellen Röntgenbildes die 3D-Position der Hüftpfanne erfolgreich erkennen und die Berechnung der Inklination und Anteversion sicher und wiederholbar ermöglichte.

Mittelfristig soll eine Endgerätversion (Smartphone, Tablet, Windows-PC) entstehen, welche zur alltäglichen Nutzung im klinischen Setting zur Verfügung steht.

Das Fernziel des Projektes ist der intraoperative Einsatz zur Überprüfung der korrekten Pfannenposition in Echtzeit durch Unfallchirurgen und Orthopäden im klinischen Alltag.

Abbildung 1 [Abb. 1]