Erkrankungen und Störungen des Bewegungsapparats können chronisch sein und die Betroffenen stark beeinträchtigen. Diese Erkrankungen zu diagnostizieren und langfristig zu überwachen, kann sich für Ärzte schwierig gestalten, da neben der subjektiven Natur der Ausschlussdiagnose oftmals keine standardisierte Berichterstellung zur Verfügung steht.
Künstliche Intelligenz (KI) hat ein enormes Potenzial zur Verbesserung der Versorgungsqualität bei Erkrankungen des Bewegungsapparats. Diese Variabilität stellt Meinungsverschiedenheiten zwischen Ärzten bei der abschließenden Diagnose dar. Daher können Verbesserungen in diesem Bereich zu einer verbesserten Erkennung, Behandlung und sogar einer proaktiven Prävention von Komplikationen im Bewegungsapparat führen.[1]
In der Orthopädie bietet KI die Möglichkeit, diagnostische Workflows mit automatischen Messungen zu beschleunigen und die Variabilität zwischen den Diagnosen sowie zwischen den Diagnosestellern zu reduzieren.*
GE Healthcare entwickelt das am stärksten integrierte Ökosystem von Gesundheitsanwendungen. Dabei arbeitet es mit unabhängigen Software-Herstellern und -Entwicklern auf der ganzen Welt zusammen, um ihre KI-Innovationen nahtlos in das Edison™ Ecosystem von GE Healthcare zu integrieren. Eine dieser Partnerschaften ist jene mit ImageBiopsy Lab (IB Lab): Der Edison™ Software Marketplace umfasst nun vier neue KI-Anwendungen für die Diagnose und Überwachung des Bewegungsapparats. Diese KI-Anwendungen können für die Diagnose anatomischer Bereiche des Knies, der Hüfte und des gesamten Beins sowie für die Bestimmung des Knochenalters verwendet werden, um das physische Wachstum von Kindern vorherzusagen.[2]
Sehen wir uns an, wie dieser auf vier Säulen basierende KI-Ansatz die Diagnostik und Patientenversorgung in der Orthopädie verändert.
Automatische Kalkulation des Knochenalters, Wachstumsstörungen und Entwicklungsdiagnostik bei Kindern
IB Lab PANDA™ hilft Kinderärzten und Endokrinologen bei der klinischen Beurteilung der Skelettreife zur Diagnose von Wachstumsstörungen. Bei der Bildanalyse mit der Methode nach Greulich und Pyle ist die Variabilität zwischen den Diagnosen sowie zwischen den Diagnosestellern ein häufiges Problem. PANDA™ automatisiert die Kalkulation der Ergebnisse anhand der Methode nach Greulich und Pyle, wobei im RSNA-Datensatz[3] eine Abweichung von ±4,3 Monaten erzielt und die Variabilität gesenkt wurde. Automatische Messübersichten erfolgen durch kommentierte Bildschirmeinblendungen, um Radiologen die Beurteilung zu erleichtern, wobei die Einblendungen flexibel umschaltbar sind. PANDA™ gibt nach dem Vergleich natürlicher Standardabweichungen automatisch auffällige Befunde aus. Dabei werden die Ergebnisse in den Berichten mit grafischen Elementen deutlich hervorgehoben.[4]
Radiologen und Ärzte können mit PANDA™ viel Zeit sparen, da der Zeitaufwand für die Methode nach Greulich und Pyle von 9 Minuten auf unter 5 Sekunden reduziert werden kann.4
Um weniger als einen Grad abweichende Beinwinkelmessungen
Die durchschnittliche Beinlängendifferenz (LLD) beträgt bei 90 Prozent der erwachsenen Bevölkerung zirka 5,2 Millimeter.[5] Selbst geringfügige LLD-Abweichungen können Ungleichgewichte und unilaterale Schmerzen im gesamten Körper verursachen sowie zu passiven strukturellen und degenerativen Veränderungen in Hüfte, Wirbelsäule, Knien und Muskeln führen.
Der „Leg Angle Measurement Assistant“ (LAMA™) von IB Lab wurde entwickelt, um sowohl scheinbar gutartige als auch symptomatische Diskrepanzen der Beine und unteren Extremitäten zu analysieren – die entscheidenden Auslöser von Osteoarthritis des Knies, der Hüfte und der Lendenwirbelsäule.[6] LAMA™ misst die gesamten Bilder automatisch und ermöglicht damit objektive Beurteilungen für standardisierte prä- und postoperative Diagnosen. Die Kniewinkelmessungen weichen um weniger als einen Grad von fachlichen Beurteilungen ab, wodurch die Konsistenz und Genauigkeit der erzeugten Röntgenbilder verbessert werden.
Radiologen und Kliniker profitieren von der automatisierten Messung bilateraler und unilateraler AP-Langbeinaufnahmen mit physiologischer Knieausrichtung. Während der Messung kann LAMA™ Abweichungen der mechanischen Achsen über 2 Zentimeter erkennen, um Ausrichtungsprobleme während der Bilderfassung (mMPTA und mLDTA) schnell zu erkennen und zu beheben. Die Bilder werden sofort mit umfassenden Beingeometriemessungen beschriftet, die die Patientenbeurteilung und Priorisierung von Fällen zu unterstützen. Dazu gehören die Hervorhebung und Quantifizierung von Winkeln mit leichter Abweichung der mechanischen Achse und Gelenklinienkonvergenz.
Zusätzlich zu dieser Funktion werden die Analysezeiten von 8 Minuten auf unter eine Minute verkürzt, was zu schnellerer Analyse, Diagnose und zu schnellerem Behandlungsbeginn führt.*
KI-gesteuerte Messungen der lateralen CE- und CCD-Winkel der Hüftmorphologie zur Reduzierung der Lese- und Berichtszeiten
IB Lab HIPPO™ unterstützt Ärzte bei der frühzeitigen Erkennung von Hüfterkrankungen wie Hüftarthrose und Hüftdysplasie, bei denen komplexe Messungen der Hüftwinkel entscheidend sind, um eine Hüfttotalendoprothese zu verhindern. Die Analyse von Röntgenaufnahmen des Beckens erfordert umfassende Kenntnisse der 3D-Beckenmorphologie, um die 2D-Projektion korrekt zu interpretieren – das macht HIPPO™ automatisch und präzise. Diese Präzision wird durch das Deep-Learning-Netzwerk von HIPPO™ ermöglicht, das mit über 4000 Röntgenaufnahmen des Beckens und der Hüfte trainiert wurde. Es werden Hüftwinkel wie der Centrum-Collum-Diaphysen(CCD)-Winkel, auch Schenkelhalswinkel genannt, und der laterale CE-Winkel gemessen.
Radiologen und Kliniker profitieren von automatisierten, KI-gesteuerten Messungen der lateralen CE- und CCD-Winkel, die die kurz- und langfristige Zustandsüberwachung unterstützen. HIPPO™ unterstützt Radiologen und Ärzte auf bilateralen AP-Röntgenaufnahmen der Hüfte im Stehen bei der Erkennung von Beinlängendifferenzen. Auffällige Werte werden unter anderem mit vollständigen Messwerten und hervorgehobenen Werten automatisch gemeldet, um eine vollständige Dokumentation der Ergebnisse für weitere Maßnahmen sicherzustellen.
Mit HIPPO™ können die Analyse- und Berichtszeiten von 3,5 Minuten auf 30 Sekunden pro Aufnahme reduziert werden. Dies beschleunigt die Arbeit von Radiologen und infolge die Reaktion auf Patientendiagnosen.*
Verwendung von KI zur Messung von Osteoarthritis
Osteoarthritis (OA) betrifft in ihren verschiedenen Formen fast ein Fünftel aller Erwachsenen in den USA ab 45 Jahren. Dies führt zu einer erheblichen wirtschaftlichen Belastung von insgesamt 140 Milliarden US-Dollar oder 2.117 US-Dollar Behandlungskosten pro Osteoarthritis-Patient.[7] Die Erkrankung ist gekennzeichnet von einer Verschlechterung des Knorpelgewebes in den Gelenken, was zu Steifheit, Schmerzen und möglichen Nervenschäden durch Knochenspornbildung (Osteophyten) führt. Trotz der offensichtlichen und vorliegenden Symptome bei Patienten ist die tatsächliche Diagnose aufgrund der diagnostischen Subjektivität schwierig.
Früherkennung von Osteoarthritis im Knie
Der Knee Osteoarthritis Labeling Assistant (KOALA) von IB Lab misst die Breite des Gelenkraums und bestimmt den Grad der Osteoarthritis gemäß internationalen Standards.
Diese Standardisierung reduziert die Variabilität zwischen den Diagnosen sowie zwischen Radiologen und Orthopäden um 23 %. Dadurch wird die diagnostische Subjektivität reduziert sowie die endgültige Diagnose und die anschließende Behandlung für Osteoarthritis-Patienten beschleunigt. **
KOALA™ KI wurde mit über 50.000 Röntgenaufnahmen des Knies trainiert und validiert, wobei die Sensitivität und Spezifität der Osteoarthritis-Statusmessungen 87 bzw. 83 Prozent betrug. Mit KOALA™ profitieren Radiologen von KI-unterstützten Workflows für die Entscheidungsfindung bei der Diagnose, ohne dabei die volle Kontrolle über die diagnostischen Ergebnisse zu verlieren. Dank IB Lab KOALA™ ist eine präzisere Osteoarthritis-Diagnose möglich, hauptsächlich aufgrund der höheren Spezifität.[8]
Die Bilder werden nach der Erfassung vom PACS automatisch analysiert, wobei die Verarbeitungszeiten zwischen 10 und 60 Sekunden betragen, was zu einer schnellen Verfügbarkeit der Ergebnisse für die Überprüfung durch den Radiologen führt.
Vereinfachte Einführung von KI-Anwendungen zur Verbesserung von Diagnosen des Bewegungsapparats
Stefan Nehrer, Professor für Orthopädie am österreichischen Universitätsklinikum Krems, fasst die Vorteile der Software-Nutzung zusammen: „Für eine erfolgreiche Osteoarthritis-Therapie sind eine exakte Diagnose und reproduzierbare Nachuntersuchungen unverzichtbar. Softwarebasierte Methoden können den Arzt beim Therapiemanagement und Anpassungsprozess unterstützen.“
Zusammen mit dem Edison™ Ecosystem von GE Healthcare ebnet Image Biopsy Lab den Weg für die softwarebasierte Unterstützung therapeutischer Arbeitsabläufe für Störungen des Bewegungsapparats. Der Edison™ Open AI Orchestrator von GE Healthcare ermöglicht die schnelle und nahtlose Übernahme von IB Lab-Anwendungen sowie die volle Integration in bestehende Radiologie-Workflows über CPACS V7 und den Universal Viewer von GE Healthcare. Dies erleichtert Gesundheitsdienstleistern die Einführung von KI-Anwendungen erheblich und ermöglicht innovative Funktionen, mit denen medizinische Teams bessere klinische Resultate und eine höhere Gesamteffizienz erzielen können.
Im Edison™ Software Marketplace können Sie weitere Informationen anfordern und eine Vorführung vereinbaren.
[1] Quelle: Nehrer, Stefan et al. „Automated Knee Osteoarthritis Assessment Increases Physicians’ Agreement Rate and Accuracy: Data from the Osteoarthritis Initiative.“ Cartilage (2019)
[2] KI-Anwendungen zur Beurteilung der Hüfte, des Beins sowie des Knochenalters (HIPPO, LAMA, PANDA) sind nur CE-zertifiziert. Nicht zum Verkauf in den USA freigegeben oder zugelassen. Die Verfügbarkeit kann je nach Land variieren. Wenden Sie sich an Ihren GE-Vertreter.
[3]https://pubmed.ncbi.nlm.nih.gov/30480490/ – The RSNA Pediatric Bone Age Machine Learning Challenge
[4] Greulich, W. W. und Pyle, S. I. (1959). Radiographic atlas of skeletal development of the hand and wrist (2nd edition). Stanford Univ. Press
[5]https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1232860/ – Anatomic and functional leg-length inequality (Conclusion
[6]https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4593034/
[7]https://www.cdc.gov/arthritis/data_statistics/cost.htm
[8]https://journals.sagepub.com/doi/10.1177/1947603519888793 – Automated Knee Osteoarthritis Assessment Increases Physicians’ Agreement Rate and Accuracy: Data from the Osteoarthritis Initiative
*IB Lab HIPPO clinical validation study and IB Lab LAMA Clinical Validation study
** Nehrer, Stefan et al. „Automated Knee Osteoarthritis Assessment Increases Physicians’ Agreement Rate and Accuracy: Data from the Osteoarthritis Initiative.“ Cartilage (2019)
