Radiusfrakturen: Diagnosen in der Notaufnahme bald einfacher und schneller mit künstlicher Intelligenz?

• Kann die Erkennung von Radiusfrakturen durch KI verbessert werden?
• Wie könnte KI in Zukunft das ärztliche Personal in den Notaufnahmen unterstützen?

Röntgenaufnahmen sind nach wie vor das wichtigste Verfahren zur Erkennung von Frakturen, vor allem in der Notaufnahme. Allerdings weisen mehrere Studien darauf hin, dass es bei der Interpretation von Röntgenbildern zu diagnostischen Fehlerraten von 3–5% kommen kann. Künstliche Intelligenz (KI), insbesondere Deep-Learning-Modelle, könnte hier Abhilfe schaffen. Tatsächlich ist KI bereits in vielen anderen medizinischen Bereichen in der Lage, Diagnosen auf Expertenniveau zu stellen, beispielsweise bei Haut-, Brust- oder Lungenkrebs. 

Inzwischen haben Studien gezeigt, dass sich Deep Learning auch zur Frakturerkennung eignet, insbesondere bei Frakturen der oberen und unteren Extremitäten sowie der Wirbelsäule. Trotz teilweise vielversprechender Ergebnisse ist die Umsetzung in der klinischen Praxis aber noch sehr limitiert¹, denn es fehlt bisher der Nachweis, dass KI die klinische Entscheidungsfindung und die Patientenergebnisse tatsächlich verbessert. Ziel der Studie von Keller, Rohner und Honigmann (2024)² war es daher, zu untersuchen, wie sich ein KI-gestütztes Modell zur Erkennung distaler Radiusfrakturen auf die Behandlung von Handgelenkstraumata in der Notaufnahme auswirkt und wie sich dieser Effekt messen lässt. Distale Radiusfrakturen sind die häufigsten Frakturen beim Menschen und stellen 17,5% aller Frakturen bei Erwachsenen dar³.

Für die Studie wurden 22 Assistenzärztinnen und -ärzte in zwei Gruppen eingeteilt: Die KI-Gruppe (Interventionsgruppe) arbeitete mit Unterstützung des KI-Systems, während die Kontrollgruppe ohne KI arbeitete. Beide Gruppen bearbeiteten jeweils 20 virtuelle, aber realitätsnahe Patientenfälle. Ihre Aufgabe war es, die klinischen Informationen und Röntgenaufnahmen zu analysieren, die korrekte Diagnose zu stellen und eine Behandlungsempfehlung zu formulieren, welche den üblichen Vorgaben und Workflows der jeweiligen Notaufnahmen entsprach. Neben der diagnostischen Leistung wurde auch der Bedarf an zusätzlichen CT-Scans und Konsultationen bei erfahreneren Kolleginnen und Kollegen erfasst. Auch die wahrgenommene Stressbelastung und die Qualität der therapeutischen Entscheidungen waren Teil der Studie.

Das verwendete KI-System war ein speziell trainiertes Deep-Learning-Modell, das im Rahmen eines anderen Forschungsprojekts von der Studiengruppe entwickelt worden war. Sein Einsatz sollte vor allem die Diagnosegenauigkeit verbessern und gleichzeitig ressourcenschonende Entscheidungen ermöglichen. In der KI-Gruppe wurde kommuniziert, dass sie von einem „KI-Tool unterstützt werden, das distale Radiusfrakturen mit einer diagnostischen Genauigkeit von 98,5% erkennt”.

^{Abb.:  Das Diagramm zeigt, in welchen Bereichen die KI signifikant besser war als die Ärztinnen und Ärzte. Auch in allen anderen Parametern war die KI besser, allerdings nicht signifikant. Die komplette Ergebnistabelle finden Sie im Originalpaper.}

Diagnosen ohne Hilfe: In der KI-Gruppe konnten signifikant häufiger korrekte Diagnosen ohne zusätzliche Hilfen gestellt werden (75% vs. 52% in der Kontrollgruppe, p=0,003).

Zusätzliche CTs: Zudem war die Notwendigkeit zusätzlicher CTs in der KI-Gruppe signifikant geringer (14% vs. 28%, p=0,02).

Stressbelastung: Das wahrgenommene Stresslevel wurde mit dem STAI-Test erhoben. Die Werte waren in der KI-Gruppe signifikant niedriger (29% vs. 37%, p=0,05), was auf eine Entlastung der Ärztinnen und Ärzte bei der Entscheidungsfindung hindeuten könnte. Objektive Stressparameter wie Herzfrequenz und Blutdruck unterschieden sich jedoch nicht signifikant.

Korrekte Diagnosen und Spezifizität in der Anamnese (ohne Zuhilfenahme zusätzlicher Diagnostik): In beiden Parametern zeigte sich ein signifikanter Vorteil für die KI-Gruppe.

Bei allen anderen Parametern schnitt die KI-Gruppe auch besser ab, allerdings nicht signifikant besser.

• Die Studie verdeutlicht in der Gesamtbetrachtung: KI eignet sich aktuell nicht als Ersatz für ärztliche Expertise, könnte jedoch als unterstützendes Werkzeug dienen. Gerade bei weniger erfahrenen Ärztinnen und Ärzte könnte dies zu mehr Sicherheit und Effizienz führen.
• Besonders relevant könnte die Möglichkeit sein, durch KI die Anzahl an Zusatzuntersuchungen und den damit verbundenen finanziellen und personellen Einsatz von Ressourcen zu reduzieren, ohne dass die Versorgungsqualität leidet.
• Als Fazit werden in der Arbeit des Weiteren die positiven Effekte betont, den KI auf die Arbeitsbelastung und das subjektive Sicherheitsempfinden haben kann, was im hektischen Alltag einer Notaufnahme von großem Wert sein kann. Gleichzeitig weisen die Forschenden auf die begrenzte Stichprobengröße (22 Teilnehmende) hin, was die Aussagekraft einschränkt und eine Bestätigung durch größere Studien notwendig macht.

ChatGPT als Patientenratgeber bei Handbeschwerden: Irgendwo zwischen hilfreich und lückenhaft

Ruhigstellung bei distaler Radiusfraktur – neue Studie sieht Vorteile bei modernen Orthesen

Hometraining mit DiGA beim vorderen Knieschmerz – schon vergleichbar mit klassischer Physiotherapie?

1 Keller, M., Guebeli, A., Thieringer, F. & Honigmann, P. (2023b). Artificial intelligence in patient-specific hand surgery: a scoping review of literature. International Journal Of Computer Assisted Radiology And Surgery, 18(8), 1393–1403. https://doi.org/10.1007/s11548-023-02831-3

2 Keller, M., Rohner, M. & Honigmann, P. The potential benefit of artificial intelligence regarding clinical decision-making in the treatment of wrist trauma patients. J Orthop Surg Res 19, 579 (2024). https://doi.org/10.1186/s13018-024-05063-6

3 Court-Brown, C. M. & Caesar, B. (2006). Epidemiology of adult fractures: A review. Injury, 37(8), 691–697. https://doi.org/10.1016/j.injury.2006.04.130

Copyrights Röntgenbild im Titel: Nevit Dilmen, CC BY-SA 3.0, via Wikimedia Commons. Das Bild wurde leicht verändert. Wir bedanken uns herzlich bei dem Rechteinhaber Nevit Dilmen.