gms | German Medical Science

German Congress of Orthopaedics and Traumatology (DKOU 2024)

22. - 25.10.2024, Berlin

Article

Send article

Künstliche Intelligenz ermöglicht die zuverlässige und standardisierte Vermessung von strahlensparenden EOS-Ganzbeinachsen in einem pädiatrischen Setting

Meeting Abstract

Search Medline for

  • presenting/speaker Andreas Sperr - LMU Klinikum München – Klinik und Poliklinik für Radiologie, München, Germany
  • Verena Schäfer - LMU Klinikum München – Klinik und Poliklinik für Radiologie, München, Germany
  • Kaltra Begaj - LMU Klinikum München – Klinik und Poliklinik für Radiologie, München, Germany
  • Luisa Udoh - LMU Klinikum München – Klinik und Poliklinik für Radiologie, München, Germany
  • Bernd Erber - LMU Klinikum München – Klinik und Poliklinik für Radiologie, München, Germany
  • Sophia Goller - LMU Klinikum München – Klinik und Poliklinik für Radiologie, München, Germany
  • Boris Holzapfel - LMU Klinikum München – Klinik und Poliklinik für Orthopädie, München, Germany
  • Jörg Arnholdt - LMU Klinikum München – Klinik und Poliklinik für Orthopädie, München, Germany
  • Nina Hesse - LMU Klinikum München – Klinik und Poliklinik für Radiologie, München, Germany
  • Paul Reidler - LMU Klinikum München – Klinik und Poliklinik für Radiologie, München, Germany

Deutscher Kongress für Orthopädie und Unfallchirurgie (DKOU 2024). Berlin, 22.-25.10.2024. Düsseldorf: German Medical Science GMS Publishing House; 2024. DocAB35-3262

doi: 10.3205/24dkou144, urn:nbn:de:0183-24dkou1445

Published: October 21, 2024

© 2024 Sperr et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. See license information at http://creativecommons.org/licenses/by/4.0/.

Outline

Text

Fragestellung: Ziel der Studie war es, erstmalig die diagnostische Leistung einer auf künstlicher Intelligenz basierenden Software (KI) – welche an konventionellen Röntgenbildern trainiert wurde – zur Durchführung orthopädischer Messungen an EOS-Ganzbeinachsen (FLR) bei einer pädiatrischen Patientenkohorte zu beurteilen.

Methodik: 346 FLR von Patienten zwischen 4 und 17 Jahren [Median 12 J; IQR 11–14 J] wurden ausgewertet. Zwei erfahrene MSK-Radiologen bewerteten den hip-knee-ankle angle (HKA), die Beinlänge und die Mechanische Achsabweichung (MAD). Die KI-Messungen wurden mit IB Lab LAMA (IB Lab GmbH, Österreich) durchgeführt. Unterschiede in der Messung von Radiologen und KI wurden auf Ursache und Reproduzierbarkeit untersucht und statistisch erfasst. Der Intraklassen-Korrelationskoeffizient (ICC) wird zur Bewertung der Konformität und die Bland-Altman-Analyse zur Bewertung des bias zwischen KI, Radiologen und zwischen den beiden Radiologen verwendet. ICC-Übereinstimmungsraten größer gleich 0,9 wurden als ausgezeichnet und 0,75–0,89 als gut definiert.

Ergebnisse und Schlussfolgerung: Einliegendes Fremdmaterial fand sich bei 24,9% der Kohorte und eine signifikante Arthrose bei 16,5%. Median und 95-CI% für die HKA, MAD und Beinlängen sind jeweils für die KI 1,3° [-6; 8], -4,5 cm [-24; 18], 79 cm [63; 90] und für die ground truth 1,5° [-5,1; 7,3], -4,8 cm [-23; 17], 79 cm [63; 90]. Die KI-Auswertung war erfolgreich bei 72,6% der Patienten. Die KI zeigte im Vergleich zur ground truth eine gute Übereinstimmung für HKA und MAD bei Einliegen von Fremdmaterial und eine ausgezeichnete Übereinstimmung für die verbleibenden Winkel und Längen. Die Abweichung zwischen KI und der ground truth ist gering und die Interreader-Varianz ist bei allen Messungen ausgezeichnet.

Trotz vorwiegendem Training auf Erwachsenen-Datensätzen erlaubt die KI-gestützte Auswertung von FLR EOS-Bildgebung bei pädiatrischen Patient*Innen eine verlässliche und standardisierte Befundung, mit ausgezeichneter Übereinstimmung zur manuellen Messung von erfahrenen MSK-Radiologen.