nach oben

Die Orthopädie

Erschienen in:

18.08.2022 | Notfallmedizin | Leitthema

Künstliche Intelligenz in der orthopädisch-unfallchirurgischen Radiologie

verfasst von: Stefan Rohde, Nico Münnich

Erschienen in: Die Orthopädie | Ausgabe 9/2022

Einloggen, um Zugang zu erhalten

Zusammenfassung

Künstliche Intelligenz (KI) spielt eine zunehmende Rolle für die radiologische Bildgebung in der Orthopädie und Unfallchirurgie. Die bislang verfügbaren Algorithmen finden überwiegend in der Detektion von (okkulten) Frakturen und in der Längen- und Winkelbestimmung bei konventionellen Röntgenaufnahmen Anwendung. Aktuelle KI-Lösungen ermöglichen aber auch die Analyse und Mustererkennung von CT-Datensätzen, zum Beispiel bei der Detektion von Rippen- oder Wirbelkörperfrakturen. Eine besondere Anwendung ist das EOS™ (ATEC Spine Group, Paris, Frankreich), dass auf der Basis einer digitalen 2‑D-Röntgenaufnahme eine 3‑D-Simulation des Achsenskeletts und semiautomatische Längen- und Winkelberechnungen ermöglicht. In der vorliegenden Arbeit wird das derzeitige Spektrum der KI-Anwendungen für die Orthopädie und Unfallchirurgie vorgestellt und diskutiert.

McCulloch WS, Pitts W (1943) A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics 5:115–133CrossRef

Tjardes T, Heller RA, Pförringer D, Lohmann R, Back DA (2020) Künstliche Intelligenz in der Orthopädie und Unfallchirurgie. Chirurg 91:201–205CrossRef

Haubold J (2020) Künstliche Intelligenz in der Radiologie. Radiologe 60:64–69CrossRef

Menze BH, Jakab A, Bauer S, Kalpathy-Cramer J, Farahani K, Kirby J et al (2015) The multimodal brain tumor image segmentation benchmark (BRATS). IEEE Trans Med Imaging 34:1993–2024CrossRef

Sheth SA, Giancardo L, Colasurdo M, Srinivasan VM, Niktabe A, Kan P (2020) Machine learning and acute stroke imaging. J Neurointerv Surg. https://doi.org/10.1136/neurintsurg-2021-018142CrossRefPubMedPubMedCentral

Kuan K, Ravaut M, Manek G et al (2017) Deep learning for lung cancer detection: tackling the Kaggle data science bowl 2017 challenge. ArXiv170509435 Cs

Jacobs C, van Rikxoort EM, Murphy K et al (2016) Computer-aided detection of pulmonary nodules: a comparative study using the public LIDC/IDRI database. Eur Radiol 26:2139–2147CrossRef

Pehrson LM, Nielsen MB, Ammitzbøl Lauridsen C (2019) Automatic pulmonary nodule detection applying deep learning or machine learning algorithms to the LIDC-IDRI database: a systematic review. Diagnostics 9:29. https://doi.org/10.3390/diagnostics9010029CrossRefPubMedCentral

Rutman AM, Kuo MD (2009) Radiogenomics: creating a link between molecular diagnostics and diagnostic imaging. Eur J Radiol 70:232–241CrossRef

10.

Lambin P, Rios-Velazquez E, Leijenaar R et al (2012) Radiomics: extracting more information from medical images using advanced feature analysis. Eur J Cancer 48:441–446CrossRef

11.

Schwier M, van Griethuysen J, Vangel MG et al (2019) Repeatability of multiparametric prostate MRI radiomicsfeatures. Sci Rep 9:9441CrossRef

12.

Lao J, Chen Y, Li ZC, Li Q, Zhang J, Liu J, Zhai G (2017) A deep learning-based radiomics model for prediction of survival in glioblastoma multiforme. Sci Rep 7(1):10353CrossRef

13.

Murray NM, Unberath M, Hager GD, Hui FK (2020) Artificial intelligence to diagnose ischemic stroke and identify large vessel occlusions: a systematic review. J Neurointerv Surg 12(2):156–164CrossRef

14.

Brugnara G, Neuberger U, Mahmutoglu MA, Foltyn M, Herweh C, Nagel S, Schönenberger S, Heiland S, Ulfert C, Ringleb PA, Bendszus M, Möhlenbruch MA, Pfaff JAR, Vollmuth P (2020) Multimodal predictive modeling of endovascular treatment outcome for acute ischemic stroke using machine-learning. Stroke 51(12):3541–3551CrossRef

15.

Mantilla D, Ferreira-Prada CA, Galvis M, Vargas O, Valenzuela-Santos C, Canci P, Ochoa M, Nicoud F, Costalat V (2021) Clinical impact of Sim & Size® simulation software in the treatment of patients with cerebral aneurysms with flow-diverter Pipeline stents. Interv Neuroradiol. https://doi.org/10.1177/15910199211068668CrossRefPubMed

16.

Kuo RYL, Harrison C, Curran TA, Jones B, Freethy A, Cussons D, Stewart M, Collins GS, Furniss D (2022) Artificial intelligence in fracture detection: a systematic review and meta-analysis. Radiology. https://doi.org/10.1148/radiol.211785CrossRefPubMed

17.

Hallas P, Ellingsen T (2006) Errors in fracture diagnoses in the emergency department—characteristics of patients and diurnal variation. BMC Emerg Med 6:4CrossRef

18.

Duron L, Ducarouge A, Gillibert A, Lainé J, Allouche C, Cherel N, Zhang Z, Nitche N, Lacave E, Pourchot A, Felter A, Lassalle L, Regnard NE, Feydy A (2021) Assessment of an AI aid in detection of adult Appendicular skeletal fractures by emergency physicians and radiologists: a multicenter cross-sectional diagnostic study. Radiology 300(1):120–129. https://doi.org/10.1148/radiol.2021203886CrossRefPubMed

19.

Guermazi A, Tannoury C, Kompel AJ, Murakami AM, Ducarouge A, Gillibert A, Li X, Tournier A, Lahoud Y, Jarraya M, Lacave E, Rahimi H, Pourchot A, Parisien RL, Merritt AC, Comeau D, Regnard NE, Hayashi D (2021) Improving radiographic fracture recognition performance and efficiency using artificial intelligence. Radiology. https://doi.org/10.1148/radiol.210937CrossRefPubMed

20.

Langerhuizen DWG, Janssen SJ, Mallee WH, van den Bekerom MPJ, Ring D, Kerkhoffs GMMJ, Jaarsma RL, Doornberg JN (2019) What are the applications and limitations of artificial intelligence for fracture detection and classification in orthopaedic trauma imaging? A systematic review. Clin Orthop Relat Res 477(11):2482–2491CrossRef

21.

Zhou QQ, Wang J, Tang W, Hu ZC, Xia ZY, Li XS, Zhang R, Yin X, Zhang B, Zhang H (2020) Automatic detection and classification of rib fractures on thoracic CT using convolutional neural network: accuracy and feasibility. Korean J Radiol 21(7):869–879CrossRef

22.

Rao B, Zohrabian V, Cedeno P, Saha A, Pahade J, Davis MA (2021) Utility of artificial intelligence tool as a prospective radiology peer reviewer—detection of unreported Intracranial hemorrhage. Acad Radiol 28(1):85–93CrossRef

23.

Ginat DT (2019) Analysis of head CT scans flagged by deep learning software for acute intracranial haemorrhage. Neuroradiology 62(3):335CrossRef

24.

Winkel DJ, Heye T, Weikert T, Boll DT, Stieltjes B (2019) Evaluation of an AI-based detection software for acute findings in abdominal computed tomography scans. Invest Radiol 54(1):55–59CrossRef

Titel: Künstliche Intelligenz in der orthopädisch-unfallchirurgischen Radiologie
verfasst von: Stefan Rohde
Nico Münnich
Publikationsdatum: 18.08.2022
Verlag: Springer Medizin
Schlagwörter: Notfallmedizin
Künstliche Intelligenz
Erschienen in: Die Orthopädie / Ausgabe 9/2022
Print ISSN: 2731-7145
Elektronische ISSN: 2731-7153
DOI: https://doi.org/10.1007/s00132-022-04293-y

Arthropedia

Grundlagenwissen der Arthroskopie und Gelenkchirurgie. Erweitert durch Fallbeispiele, Videos und Abbildungen.
» Jetzt entdecken

Neu im Fachgebiet Orthopädie und Unfallchirurgie

Knie-TEP: Kein Vorteil durch antibiotikahaltigen Knochenzement

29.05.2024 Periprothetische Infektionen Nachrichten

Zur Zementierung einer Knie-TEP wird in Deutschland zu über 98% Knochenzement verwendet, der mit einem Antibiotikum beladen ist. Ob er wirklich besser ist als Zement ohne Antibiotikum, kann laut Registerdaten bezweifelt werden.

Häusliche Gewalt in der orthopädischen Notaufnahme oft nicht erkannt

28.05.2024 Häusliche Gewalt Nachrichten

In der Notaufnahme wird die Chance, Opfer von häuslicher Gewalt zu identifizieren, von Orthopäden und Orthopädinnen offenbar zu wenig genutzt. Darauf deuten die Ergebnisse einer Fragebogenstudie an der Sahlgrenska-Universität in Schweden hin.

Fehlerkultur in der Medizin – Offenheit zählt!

28.05.2024 Fehlerkultur Podcast

Darüber reden und aus Fehlern lernen, sollte das Motto in der Medizin lauten. Und zwar nicht nur im Sinne der Patientensicherheit. Eine negative Fehlerkultur kann auch die Behandelnden ernsthaft krank machen, warnt Prof. Dr. Reinhard Strametz. Ein Plädoyer und ein Leitfaden für den offenen Umgang mit kritischen Ereignissen in Medizin und Pflege.

Mehr Frauen im OP – weniger postoperative Komplikationen

21.05.2024 Allgemeine Chirurgie Nachrichten

Ein Frauenanteil von mindestens einem Drittel im ärztlichen Op.-Team war in einer großen retrospektiven Studie aus Kanada mit einer signifikanten Reduktion der postoperativen Morbidität assoziiert.

Update Orthopädie und Unfallchirurgie

Bestellen Sie unseren Fach-Newsletter und bleiben Sie gut informiert.

Newsletter bestellen

Live-Webinar "Urologie und Sexualmedizin in der Praxis"

Springer Medizin

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Weitere Artikel der Ausgabe 9/2022

Digitalisierte Aufklärung: Juristische Aspekte

Unser Weg zur elektronischen Patientenakte

Gibt es noch Gründe für die Navigation in der Knieendoprothetik?

Status and future of modern technologies in arthroplasty

Marktübersicht: Roboterassistierte Endoprothetik

Behandlung der Hüftgelenkdysplasie beim jungen Erwachsenen