KI-DIAGNOSE VON HÜFTFEHLSTELLUNGEN ERWEIST SICH ALS VERLÄSSLICH, SCHNELL UND KOSTENEFFIZIENT
Eine Validierungsstudie des University of Texas Southwestern (UTSW) Medical Center in Dallas bestätigt die Vorteile einer Künstliche-Intelligenz-Software von ImageBiopsy Lab als Teil der Standarddiagnose von Hüftdysplasien
- Hohe Zuverlässigkeit der KI-basierten radiologischen Bildanalyse von Hüftgelenken
- Bis zu 90 % Zeitersparnis durch KI im Vergleich zur menschlichen Beurteilung
- Mehr als 80 % Einsparungen bei den Arbeitskosten
Der Einsatz einer auf Künstlicher Intelligenz (KI) basierenden Bildanalysesoftware zur Diagnose von Hüftdysplasien kann Zeit und Kosten sparen, ohne die Zuverlässigkeit der Diagnose zu beeinträchtigen. Dies ist das Ergebnis einer kürzlich veröffentlichten externen Validierungsstudie, in der IB Lab HIPPO – ein muskuloskelettales Softwaretool von ImageBiopsy Lab , Österreich (IB Lab) – getestet wurde. Derzeit basiert die Diagnose von Hüftdysplasie, einer Anomalie des Hüftgelenks, auf zeit- und kostenaufwändigen, manuellen radiologischen Messungen. Die am University of Texas Southwestern Medical Center durchgeführte Studie zeigt, dass der Einsatz eines KI-Tools für die Bildanalyse die Diagnose erheblich beschleunigen und die Arbeitskosten für hochqualifizierte Experten einsparen kann. In einer Kohorte von 256 Hüften gelang es HIPPO, alle sechs für die Beurteilung von Hüftdysplasien relevanten Messungen durchzuführen. Die Studie bestätigte eine gute bis ausgezeichnete Zuverlässigkeit der von HIPPO und von geschulten Experten gemessenen wichtigen Knochenparameter, was die Zuverlässigkeit der auf Künstlicher Intelligenz basierenden automatischen Analyse zeigt. Die Ergebnisse wurden auch vor Kurzem auf der Jahrestagung der Radiological Society of North America (RSNA) vorgestellt.
Etwa 5 bis 10 % der Bevölkerung sind von einer Hüftdysplasie betroffen – einer Entwicklungsstörung, bei der die Knochen des Hüftgelenks nicht richtig ausgerichtet sind. Wird sie nicht oder zu spät behandelt, führt sie zu Schmerzen, Instabilität und vorzeitiger Osteoarthritis. Zur Beurteilung des Ausmaßes der Gelenkanomalie werden mehrere komplexe radiologische Messungen durchgeführt. Ungenormte Messungen und eine hohe Variabilität zwischen den auswertenden Experten führen jedoch zu statistisch und klinisch relevanten Unterschieden bei der Hüftdiagnose und möglicherweise zu einer unzureichenden Behandlung. Der Einsatz einer KI-basierten Bildanalysesoftware könnte jedoch zu standardisierteren und reproduzierbaren Messungen beitragen – wenn sie sich als ebenso genau erweist wie der derzeitige zeitaufwändige Goldstandard, die manuelle Messung von Bildern durch geschulte Experten.
ZUVERLÄSSIG. SCHNELL. KOSTENEFFIZIENT
"Zusammenfassend", so Dr. Richard Ljuhar, CEO und Mitbegründer von IB Lab, "bestätigt die Studie, dass die KI-basierte Methode für die überwiegende Mehrheit der analysierten Bilder im Wesentlichen zu den gleichen Messwerten kommt wie geschulte Experten – nur viel schneller und damit deutlich kostengünstiger."
Konkret verwendete das Team des UTSW Medical Center radiologische Bilder von 256 Hüften. Von jedem Bild wurden 6 Messungen vorgenommen: Seitlicher Mittelkantenwinkel, Caput-Collum-Diaphysenwinkel, Beckenschiefstand, Tönnis-Winkel, Sharp-Winkel und Hüftkopfüberdeckung, entweder durch HIPPO oder durch drei geschulte Experten. Der Vergleich der mit beiden Methoden erzielten Ergebnisse ergab gute bis ausgezeichnete Korrelationen, die im Durchschnitt zwischen 0,6 und 0,98 lagen (wobei 1 für identische Ergebnisse stand). Noch bessere Ergebnisse wurden erzielt, als die klinisch am häufigsten verwendeten Messungen (laterale Mittelkante und Tönnis-Winkel) verglichen wurden. Hier lag die Korrelation zwischen 0,71 und 0,86 bzw. 0,82 und 0,90.
SPART ZEIT UND GELD
In der Studie wurden drei geschulte Experten gebeten, manuelle Messungen durchzuführen. Die mittlere Zeit für das „Lesen“ eines einzelnen Bildes variierte stark zwischen den drei Personen, von 131 Sekunden bis 734 Sekunden. "Dies verdeutlicht ein Problem mit dem Standard-Diagnoseverfahren", erklärt Dr. Ljuhar. "Die Zeit, die für die von Menschen durchgeführte Analyse benötigt wird, hängt stark von der jeweiligen Person ab und behindert effiziente und koordinierte Arbeitsabläufe in verschiedenen Einrichtungen." HIPPO benötigte im Vergleich dazu nur 41 Sekunden pro Bild (Medianwert) mit sehr geringen Schwankungen, was zu einer Zeitersparnis zwischen 70 und 90 % führt und die Möglichkeit bietet, Diagnoseverfahren einrichtungsübergreifend zu standardisieren.
Doch Zeit ist nicht alles, was durch den Einsatz von HIPPO eingespart werden kann. Ausgehend von den durchschnittlichen Gehältern für orthopädische Chirurgen oder Radiologen und der oben erwähnten Zeitersparnis können bis zu 80 % der Arbeitskosten für die Auswertung der Röntgenbilder eingespart werden. Genauer gesagt belaufen sich die durchschnittlichen Kosten für die Analyse eines Bildes durch einen orthopädischen Chirurgen auf 36,50 USD, wohingegen die HIPPO-gestützte Beurteilung – umgerechnet auf die Zeit des Chirurgen – nur 4,18 USD kosten würde. Für einen Radiologen liegen die Werte bei 28,66 USD zu 3,27 USD. In einer internen Berechnung extrapolierte IB Lab diese Zahlen für medizinische Einrichtungen, die 10.000 Röntgenbilder pro Jahr auswerten. "Für die Analyse durch orthopädische Chirurgen sind das insgesamt 320.000 USD pro Jahr", kommentiert Dr. Ljuhar. "Wenn man eine Lizenzgebühr für ein solches Volumen an Hüftröntgenbildern in Betracht zieht, entspricht das einem jährlichen Einsparungspotenzial von mehr als 85 %."
Die aktuelle Studie bestätigt IB Labs Position an der Spitze der KI-basierten medizinischen Bildanalyse. Neben HIPPO für Hüftanomalien bietet das Unternehmen Analysemodule wie PANDA für die Beurteilung des Knochenalters, FLAMINGO für die Erkennung und Quantifizierung von stillen Wirbelbrüchen in der Wirbelsäule und SQUIRREL für Wirbelsäulenerkrankungen an. Weitere Module werden ständig entwickelt und gemeinsam mit einigen der renommiertesten medizinischen Einrichtungen weltweit bewertet.
Über ImageBiopsy Lab
ImageBiopsy Lab (IB Lab) ist weltweit führend in der Entwicklung und Zertifizierung von hochmoderner KI-basierter Software für Bildanalysen und Workflow-Aufgaben in der muskuloskelettalen (MSK) Radiologie, orthopädischen Chirurgie und Traumatologie. Ihre Deep-Tech-Plattform wurde entwickelt, um große Mengen an MSK-Bilddaten automatisch zu lesen und zu priorisieren, wodurch wertvolle ärztliche Ressourcen freigesetzt werden und strukturierte Datensätze für Aspekte der Bevölkerungsgesundheit bereitgestellt werden. IBL hat es sich zur Aufgabe gemacht, durch die Standardisierung dieses hochgradig subjektiven diagnostischen Workflows eine Veränderung des Managements in MSK-Anwendungsfällen zu ermöglichen und so die Patientenversorgung zu verbessern. Mit Niederlassungen in Europa und den USA baut IBL sein Netzwerk von Forschungs- und Handelspartnern kontinuierlich aus und wurde von der renommierten Radiologie-Community-Plattform "AuntMinnie Europe" zum "Best New Radiology Vendor 2021" gewählt.
Kontakt IB Lab GmbH
Annalisa Blaha
Corporate Marketing
E: a.blaha@imagebiopsy.com