KI erkennt Hüftfehlstellungen
Eine Hüftfehlstellung bei Neugeborenen kann viele Operationen nötig machen. SCS hat eine KI entwickelt, welche solche Fehlstellungen erkennt.
-
Problemstellung
Eine Hüftfehlstellung bei Neugeborenen kann im Laufe des Lebens verschiedene Operationen nötig machen. Um das zu verhindern, genügt es, anhand einer Ultraschallaufnahme der Hüfte die Alpha- und Beta-Winkel nach Graf zu bestimmen und bei Bedarf zur Behandlung einige Monate ein Korsett anzulegen. Die aktuellen Diagnosen der Ärzte sind subjektiv und fehleranfällig.
-
Lösung
Anhand von Trainingsdaten bestehend aus Ultraschallbildern konnte SCS verschiedene Algorithmen trainieren, die eine objektive Bestimmung der Winkel erlauben. So kann der Arzt unterstützt werden.
-
Mehrwert
Ärzte werden frühzeitig auf einen Fehler bei der Bildaufnahme hingewiesen und können sich auf eine objektive und genaue Winkelbestimmung verlassen. Viele Hüftoperationen in der späteren Zukunft können so verhindert werden.
Projekteinblicke
Etwa 3 Prozent aller Neugeborenen kommen mit einer Hüftfehlstellung auf die Welt. Wenn diese Fehlstellung durch Ultraschalluntersuchungen erkannt wird, kann sie leicht behandelt werden, indem dem Baby über mehrere Wochen ein Korsett angelegt wird (Bild 1). Unentdeckt führt diese sogenannte Hüftdysplasie bei 30% der Betroffenen zu einer Hüftoperation vor dem sechzigsten Lebensjahr.
Das Kriterium, ob sich eine Fehlstellung entwickelt, ist der Alpha-Winkel entsprechend der Methode von Graf. Eine Auswertung der von Ärzten bestimmten Winkel zeigt eine starke Tendenz zu „Grenzfällen“ bei 60Grad, die keine Behandlung erfordern.
Als Alternative dazu bietet Machine Learning und Data Analytics – insbesondere dank der Entwicklungen in der Bildverarbeitung mit Hilfe von Deep Learning – einen Weg zur objektiven und reproduzierbaren Ermittlung des Winkels. Um diese Erwartung zu bestätigen, hat SCS zusammen mit verschiedenen Experten und Kinderärzten [1] eine Studie durchgeführt, die diese These bestätigen kann [2].
Dafür wurde zunächst die Datengrundlage gesäubert, indem der Überhang an Grenzfällen entfernt wurde. Anschliessend wurde ein tiefes neuronales Netz trainiert, dass analog zum ärztlichen Vorgehen die Linien auf Ultraschallbildern, die den Hüftwinkel bestimmen, vorhersagt. Ein Vergleich mit Daten von Kinderärzten, die nicht zum Trainieren verwendet wurden, zeigt, dass unser Algorithmus den Winkel zuverlässig bestimmen kann.
[1] Partner: Dr. med. Stefan Essig, Dr. med Thomas Baumann
[2] Referenz: Oelen D, Kaiser P, Baumann T, et al. Accuracy of Trained Physicians is Inferior to Deep Learning-Based Algorithm for Determining Angles in Ultrasound of the Newborn Hip Ultraschall Med. 2020;10.1055/a-1177-0480. doi:10.1055/a-1177-0480