Osteoporose wird dank Einsatz von künstlicher Intelligenz besser erkannt
Osteoporose ist eine Skeletterkrankung, die durch eine verminderte Knochenmineraldichte (BMD) gekennzeichnet ist und mit einem erhöhten Risiko für Knochenbrüche einhergeht. Zu den Risikofaktoren, die mit einer verminderten BMD in Verbindung gebracht werden, gehören fortgeschrittenes Alter, Diabetes mellitus, Bewegungsmangel, Fehlernährung und weibliches Geschlecht. Osteoporose sowie die Vorstufe Osteopenie machen sich in der Regel erst nach einem Knochenbruch bemerkbar. Neben vielen Komplikationen führt dies zu einer zunehmenden, finanziellen Belastung des Gesundheitssystems. Glücklicherweise verringert die frühzeitige Erkennung einer reduzierten BMD die Wahrscheinlichkeit von Komplikationen. Eine Vorsorgeuntersuchung ist für Frauen ab 65 Jahren mittels Dual-Energy-Röntgenabsorptiometrie (DEXA) empfohlen. Dabei werden die Lendenwirbel und der Oberschenkelkopfknochen auf ihre Mineraliendichte untersucht. Die Durchführung in der täglichen Praxis ist jedoch suboptimal, insbesondere, wenn man bedenkt, dass eine DEXA-Untersuchung eine horizontale und ruhige Körperhaltung erfordert, was für gebrechliche, ältere Personen erhebliche Schwierigkeiten mit sich bringen kann. Darüber hinaus steht die DEXA nur in wenigen, ausgewählten Zentren zur Verfügung. Jüngste Studien haben gezeigt, dass etwa 75 % der älteren Frauen in Europa ein hohes Risiko für osteoporosebedingte Knochenbrüche haben, diese aber nicht angemessen behandelt werden.
Die kontrastfreie Computertomographie (CT) des Brustkorbs wird routinemässig zur Diagnose von Herz- und Gefässerkrankungen, Lungenerkrankung sowie Krebserkrankungen durchgeführt. Obwohl die BMD bei der Brustkorb-CT potenziell nachgewiesen werden kann, werden solche Befunde in der Regel nicht klinisch gemeldet. Gründe hierfür könnten in der damit zusammenhängenden, technischen Herausforderung oder im hierfür benötigten Zeitaufwand liegen.
Computerprogramme, die auf künstlicher Intelligenz (KI) basieren, zeichnen sich durch einen völlig autonomen Lernprozess aus und werden in diesem Kontext KI-Algorithmen genannt. Sie sind dem menschlichen Gehirn nachempfunden und bilden ein schnelles, leistungsstarkes Netzwerk von Verbindungen und Rechenleistungen. Ziel dieser Studie war es, den klinischen Nutzen durch die Anwendung eines solchen KI-Algorithmus zur Erkennung von Osteopenie und Osteoporose bei betagten Personen zu bewerten. Dabei haben wir den Mineraliengehalt der Brustwirbelkörper (mittels CT erfasst und durch KI berechnet) und den Mineraliengehalt der Lendenwirbel oder Oberschenkelkopfknochen (mittels DEXA erfasst) ermittelt und die Ergebnisse im Rahmen unserer Studiendesigns wissenschaftlich bewertet.
Die Anwendung war ein voller Erfolg. Anhand unserer Ergebnisse konnten wir den Nutzen bei der Osteoporose-Erkennung bestätigen. Und nicht nur das: Die Verwendung des Algorithmus zeigte sogar eine deutlich überlegene, diagnostische Leistung im Vergleich zur Diagnose durch die Radiologinnen und Radiologen. Eine KI-gestützte Untersuchung könnte somit und in Anbetracht des hohen Vorkommens von Osteopenie und Osteoporose im Alter von wesentlichem Vorteil sein. Die automatische Auswertung ist eine vielversprechende Möglichkeit, die Qualität der Befundung insgesamt zu verbessern und die Radiologinnen und Radiologen in der täglichen Routine zu unterstützen. Schlussendlich bietet sie den klinisch tätigen Ärztinnen und Ärzten die Möglichkeit, eine frühzeitige Behandlung zu berücksichtigen, um somit dem Fortschreiten der Erkrankung bei Personen mit nicht diagnostizierter, verminderter BMD entgegenzuwirken.
Unsere wissenschaftliche Studie konnte im Februar 2023 im European Journal of Radiology erfolgreich publiziert werden.
Dr. med. Andreas Fischer, Oberarzt