EUVIMEDEUVIMED entdecken
Crossref

KI-gestützte Erkennung von Wirbelkörperfrakturen in Routine-CTs: Wie künstliche Intelligenz die Diagnoselücke bei Osteoporose reduzieren könnte

Verena Stangelmaier, Christoph Salzlechner, Christoph Götz, Hans Peter Dimai, Andreas Kurth, Roland Kocijan

Osteologie · 01.08.2025 · 34 (03) · 207-212

DOI: 10.1055/a-2673-6204 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Osteologie, erschienen am 01.08.2025. Verfasst von Verena Stangelmaier und 5 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 33 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Osteoporotische Wirbelkörperfrakturen (VCFs) sind mit erheblichen gesundheitlichen Folgen verbunden und werden oft übersehen, da sie in zwei Dritteln der Fälle asymptomatisch verlaufen. Eine unerkannte VCF erhöht das Risiko für weitere osteoporotische Frakturen, insbesondere Hüftfrakturen, und stellt eine ernsthafte Belastung für das Gesundheitssystem dar. Trotz etablierter Behandlungsmöglichkeiten bleibt die Versorgungslücke hoch, insbesondere weil viele Wirbelfrakturen nicht erkannt oder nicht dokumentiert werden. Künstliche Intelligenz (KI) bietet eine vielversprechende Möglichkeit, diese diagnostische Lücke zu schließen. Verschiedene KI-gestützte Systeme ermöglichen die automatische Erkennung klinisch relevanter VCFs auf Routine-CTs, wodurch Frakturen frühzeitiger identifiziert und PatientInnen einer gezielten osteologischen Abklärung zugeführt werden können. Moderne Deep-Learning-Modelle analysieren CT-Daten präzise, bieten eine standardisierte und nutzerunabhängige Befundung und reduzieren den zusätzlichen Arbeitsaufwand für RadiologInnen. Mehrere auf dem Markt verfügbare KI-Lösungen haben bereits eine hohe diagnostische Genauigkeit gezeigt, mit Sensitivitäts- und Spezifitätswerten im Bereich von 80–95% bzw. 93–99%. Am Beispiel der CE-zertifizierten Software IB Lab FLAMINGO wird gezeigt, wie Künstliche Intelligenz dazu beitragen kann, klinisch relevante VCFs opportunistisch zu identifizieren. Durch eine frühzeitige Identifikation betroffener PatientInnen können Therapiemaßnahmen gezielt eingeleitet und die Versorgung optimiert werden. Langfristig könnte die Integration von KI in die Frakturdiagnostik dazu beitragen, die Behandlungslücke in der Osteoporoseversorgung signifikant zu reduzieren.

Zitieren

APA

Stangelmaier, V., Salzlechner, C., Götz, C., Dimai, H. P., Kurth, A., & Kocijan, R. (2025). KI-gestützte Erkennung von Wirbelkörperfrakturen in Routine-CTs: Wie künstliche Intelligenz die Diagnoselücke bei Osteoporose reduzieren könnte. Osteologie, 34(03), 207-212. https://doi.org/10.1055/a-2673-6204

Vancouver

Stangelmaier V, Salzlechner C, Götz C, Dimai HP, Kurth A, Kocijan R. KI-gestützte Erkennung von Wirbelkörperfrakturen in Routine-CTs: Wie künstliche Intelligenz die Diagnoselücke bei Osteoporose reduzieren könnte. Osteologie. 2025;34(03):207-212. doi:10.1055/a-2673-6204

BibTeX
@article{Stangelmaier2025,
  author = {Stangelmaier, Verena and Salzlechner, Christoph and Götz, Christoph and Dimai, Hans Peter and Kurth, Andreas and Kocijan, Roland},
  title = {KI-gestützte Erkennung von Wirbelkörperfrakturen in Routine-CTs: Wie künstliche Intelligenz die Diagnoselücke bei Osteoporose reduzieren könnte},
  journal = {Osteologie},
  year = {2025},
  volume = {34},
  number = {03},
  pages = {207--212},
  doi = {10.1055/a-2673-6204}
}
Kostenlos starten →