Ausgangslage

Rund 3 Prozent aller Neugeborenen kommen mit einer Hüftfehlstellung zur Welt. Wird sie per Ultraschall früh erkannt, lässt sie sich meist einfach behandeln, etwa mit einer Spreizhose über einige Wochen. Bleibt sie unerkannt, führt diese Hüftdysplasie bei 30 Prozent der Betroffenen vor dem 60. Lebensjahr zu einer Hüftoperation. Massgebend für die Beurteilung ist insbesondere der Alpha-Winkel nach Graf. Seine Bestimmung hängt jedoch von der Platzierung der Messlinien ab und kann zwischen Auswertenden variieren. In den vorhandenen klinischen Daten zeigte sich zudem eine auffällige Häufung von Messwerten genau am Grenzwert von 60 Grad.

Flexionsorthese und Skelettmodell

Projektübersicht

Einsatzbereich
Pädiatrie, Ultraschalldiagnostik der Säuglingshüfte

Bereich
Medical & Life Science

Lösung
KI-gestützte Beurteilung der Säuglingshüfte im Ultraschall.

Systemumfeld 
Ultraschallbilder der Säuglingshüfte, Alpha- und Beta-Winkel nach Graf

Partner
Dr. Stefan Essig, Dr. Thomas Baumann (Kinderärzte)

Nachweis
gemeinsame Studie, wissenschaftlich publiziert in Ultraschall in der Medizin

Der Beitrag von SCS

SCS trainierte mit Ultraschallbildern verschiedene Algorithmen, die den Hüftwinkel objektiv und reproduzierbar bestimmen, und belegte den Ansatz in einer gemeinsamen Studie mit Fachleuten und Kinderärzten.

winkel und verteilung

Ergebnis

Der Vergleich mit unabhängigen Daten von Kinderärzten zeigt, dass der Algorithmus den Hüftwinkel zuverlässig bestimmt. Die gemeinsame Studie bestätigte, dass sich der Winkel mit Deep Learning objektiv und reproduzierbar ermitteln lässt. Eine präzisere und reproduzierbarere Winkelbestimmung kann die frühzeitige Diagnose unterstützen und Ärztinnen und Ärzte früh auf ungeeignete Aufnahmen hinweisen.

rund 3 Prozent

der Neugeborenen kommen mit einer Hüftfehlstellung zur Welt.

30 Prozent

der unerkannten Fälle führen vor dem 60. Lebensjahr zu einer Hüftoperation.

wissenschaftlich publiziert

Studienergebnisse in Ultraschall in der Medizin.

Eingesetzte Leistungen

Algorithmik, ML & AI

Computer Vision

Medical & Life Science

Lächelnder Mann mit dunklem Haar, Schnurrbart und weißem Hemd; „scs kontakt“ ist vor einem bunten Hintergrund unscharf dargestellt.

Ihre Ansprechperson

Beat Hörmann

Healthtech & Innovation
+41 43 456 16 00

Für Fragen zu Machine Learning, medizinischer Bildanalyse und objektiver, reproduzierbarer Diagnoseunterstützung.

Weitere Case Studies

  • Weißes Laborgerät mit der Aufschrift „zenCELL owl“, das Edge-Computing nutzt; im Hintergrund unscharf abgebildete Laborutensilien.

    Hersteller von zenCELL owl

    AI at the edge – Zellen zählen

    Deep-Learning-Zellzählung direkt am Labor-PC.

  • Mikroskopaufnahme von Gewebe mit einem Streudiagramm, überlagerten Datenfeldern und Medizintechnik-Software.

    ariadne.ai

    Webviewer für Mikroskopie-Bilder

    Performanter Webviewer für sehr grosse Bilddaten.

  • Ein Schwarz-Weiß-OCT-Scan unter Verwendung der „Medizintechnik“-Software zeigt deutlich die Schichten der Netzhautstrukturen.

    Visuelle Innovation durch KI in der Augenheilkunde

    KI-Segmentierung medizinischer Strukturen in OCT-Scans.