gms | German Medical Science

Fragestellung: 3D-gedruckte, patientenspezifische anatomische Modelle (3DM) sind hilfreich für die Planung und Durchführung komplexer Operationen. Besonders in der onkologischen Chirurgie des Skelettapparates ist ihr Einsatz vielversprechend [1]. Die Fertigung von 3DM basiert oft auf computertomographischen (CT) Daten und beinhaltet insbesondere die Segmentierung. Die Evaluation von Anwender- und Softwareeinfluss sind dabei essenzieller Bestandteil der Qualitätssicherung von 3DM, insbesondere beim Einsatz von Open Source Software (OSS). Hierfür ist der Vergleich zwischen Segmentierungen und optischen 3D-Scans von Kadavern nach Weichteilentfernung etabliert. Kadaverstudien sind jedoch aufwändig und nur eingeschränkt verfügbar. Der CT-Scan von 3D-gedruckten Knochenmodellen in Luftumgebung wird als einfache Alternative diskutiert. Hierbei fehlt jedoch das Weichteilsignal, wodurch die Realität unzureichend abgebildet wird. Ziel war daher die Simulation von Weichteilrauschen für die realitätsnahe Testung der OSS 3D Slicer (3DSl) [2] gegen das Medizinprodukt Smart Brush von Brainlab (SBB).

Methodik: Nach Fallzahlplanung wurden vier Beckenmodelle aus Polymilchsäure gedruckt (n=5 Außenschalen, 15% Gyroid-Infill, 0,3 mm Schichtdicke, 0,6 mm Nozzle-Durchmesser). Die Modelle wurden in einem Gefäß mit trockenen Pastasorten kombiniert, um das Weichteilsignal zu simulieren. Anschließend wurden Becken mit umgebender Pasta im CT gescannt (Somatom Definition Flash, Siemens, nativ, Schichtdicke: 1,5 mm/80 kV/Pixelweite 0,98x0,98). Die Realitätsnähe des Modells wurde von zwei erfahrenen Segmentierern bewertet. Dann segmentierten zwei Untersucher (O1, O2) die Becken auf den Modell-CT Daten jeweils mit der OSS 3D Slicer (V5.0.3) und dem Medizinprodukt Smart Brush von Brainlab. O1 war Arzt mit umfangreicher Erfahrung im Segmentieren, O2 Physician Assistant ohne Erfahrung mit kurzer Einweisung. Die Abweichungen der Segmentierungen vom 3D-Scan der Beckenmodelle wurden mittels Oberflächenvergleich in GOM Inspect untersucht. Dabei wurde der Oberflächenanteil ermittelt, der innerhalb einer Abweichung von < 1 mm liegt (A1). Bei einer Differenz zwischen A1 der 3D Slicer Segmentierung und A1 der Smart Brush Segmentierung von größer als -2% wurde die Unterlegenheit von 3D Slicer als nicht relevant erachtet. Getestet wurde mittels Konfidenzintervall-Inklusion.

Ergebnisse und Schlussfolgerung: Für O1 war A1 im Schnitt 93,3% (SBB) und 96,15% (3DSl) sowie für O2 91% (SBB) und 84,82% (3DSl). Mittelwert und untere Grenze des 95%-Konfidenzintervalls der Differenz zwischen A1 von 3DSl und A1 von SBB waren für O1 2,85% und 0,42% sowie für O2 -6,18% und -38,05%.

Das vorgestellte Modell ermöglicht ohne Kadaverstudie eine genaue und realitätsnahe Evaluation des Segmentierungsprozesses. Bei ausreichender Erfahrung des Anwenders scheinen Segmentierungen mit 3D Slicer gegenüber Segmentierungen mit Smart Brush nicht unterlegen. Für einen unerfahrenen Untersucher liefert Smart Brush jedoch stabilere Ergebnisse, die denen des erfahrenen Untersuchers entsprechen.