25rhk01010.3205/25rhk010urn:nbn:de:0183-25rhk0108Meeting AbstractAutomatisierte, durch künstliche Intelligenz gestützte, sonographische Untersuchung der Hände zur Erkennung und Quantifizierung von Gelenkveränderungen der Hand und Fingergelenke in der ambulanten rheumatologischen Versorgung (ARTHUR)SanderSanderOliverOKlinik für Rheumatologie und Hiller Forschungszentrum, Universitätsklinikum Düsseldorf, Heinrich Heine Universität, DüsseldorfauthorChehabChehabGamalGKlinik für Rheumatologie und Hiller Forschungszentrum, Universitätsklinikum Düsseldorf, Heinrich Heine Universität, DüsseldorfauthorAcarAcarHasanHKlinik für Rheumatologie und Hiller Forschungszentrum, Universitätsklinikum Düsseldorf, Heinrich Heine Universität, DüsseldorfauthorAdhikariAdhikariRishiRKlinik für Rheumatologie und Hiller Forschungszentrum, Universitätsklinikum Düsseldorf, Heinrich Heine Universität, DüsseldorfauthorBlümelBlümelBenedictBKlinik für Rheumatologie und Hiller Forschungszentrum, Universitätsklinikum Düsseldorf, Heinrich Heine Universität, DüsseldorfauthorGallmannGallmannMartinMKlinik für Rheumatologie und Hiller Forschungszentrum, Universitätsklinikum Düsseldorf, Heinrich Heine Universität, DüsseldorfauthorGrünkewitzGrünkewitzLauraLKlinik für Rheumatologie und Hiller Forschungszentrum, Universitätsklinikum Düsseldorf, Heinrich Heine Universität, DüsseldorfauthorOrmelohOrmelohLeaLKlinik für Rheumatologie und Hiller Forschungszentrum, Universitätsklinikum Düsseldorf, Heinrich Heine Universität, DüsseldorfauthorDistlerDistlerJörgJKlinik für Rheumatologie und Hiller Forschungszentrum, Universitätsklinikum Düsseldorf, Heinrich Heine Universität, DüsseldorfauthorRichterRichterJuttaJKlinik für Rheumatologie und Hiller Forschungszentrum, Universitätsklinikum Düsseldorf, Heinrich Heine Universität, DüsseldorfauthorGerman Medical Science GMS Publishing House
Düsseldorf
61020250917germThis is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License.Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung).M0627010Deutsche Gesellschaft für RheumatologieDeutsche Gesellschaft für Orthopädische Rheumatologie53. Kongress der Deutschen Gesellschaft für Rheumatologie (DGRh), 39. Jahrestagung der Deutschen Gesellschaft für Orthopädische Rheumatologie (DGORh)Deutscher Rheumatologiekongress 2025Digitale RheumatologieWiesbaden2025091720250920DR.04TextEinleitung: Die Integration künstlicher Intelligenz (KI) in Kombination mit Robotik in die klinische Diagnostik hat das Potenzial, Präzision und Effizienz zu steigern und knapper werdendes Personal zu entlasten. Neben der Rheumatoiden Arthritis (RA) stellen insbesondere die Fingerpolyarthrose (FPA) aber auch die Psoriasisarthritis (PsoA) und die Kollagenosen (CTD) häufige bzw. relevante Ursachen von Handbeschwerden und drohenden Funktionseinschränkungen dar. Ziel der Pilotphase ist die Einführung und Überprüfung der Sicherheit, Zuverlässigkeit und Akzeptanz der Untersuchung durch den Ultraschallroboter ARTHUR und die KI DIANA (beide ROPCA Dänemark) in einer universitären Ambulanz.Methoden: ARTHUR und DIANA bieten ein automatisiertes Scannen und Auswerten der Handgelenke, aller MCP-, IP/PiP- und wahlweise zusätzlich der DiP-Gelenke bezüglich einer Synovialisverdickung, Perfusionssteigerung und Osteophyten, Grundlage sind die EULAR-OMERACT-Richtlinien (11 bzw. 15 Gelenke jeder Hand). Als Ultraschallgerät dient ein CANON aplio a mit UHF Ultrabreit Linearsonde 18L7. Durchführung, Abbruchgründe und Zufriedenheit wurden standardisiert erfasst.Ergebnisse: Die Etablierung KI gestützter Diagnostik in der medizinischen Versorgung bedarf zeitintensiver administrativer Maßnahmen, u.a. Patentierung und Zertifizierung des Gerätes, Finanzierung, Einholung der nötigen Zustimmungen aus Ethik, Medizintechnik, IT, Datenschutz, Rechtsabteilung und Einkauf.Innerhalb der ersten 8 Wochen des Einsatzes in der Ambulanz wurden gut 6.000 Gelenke von über 350 Patient:innen untersucht (>160 Patient:innen mit RA, >60 PsoA, 85 CTD, >40 FPA, 40 Patient:innen mit Ausschluss, 30 mit sonstigen Erkrankungen (Vaskulitis, Gicht)). Bei einer Untersuchung kam es zum Abbruch ohne Datentransfer. Bei 6 Untersuchungen erfolgte ein Transfer aber keine automatisierte Auswertung, alle übrigen Untersuchungen wurden erfolgreich abgeschlossen. Abbrüche aus Sicherheitsgründen waren nicht notwendig. Die durchschnittliche Zeit für Untersuchung beider Hände dauert 20 Minuten, werden die DiP-Gelenke mit gescannt 30 Minuten. Die Zufriedenheit der Untersuchten war hoch: 92% gaben an, „sehr zufrieden“ zu sein, 8% bezeichneten sich als „zufrieden“, und ein Patient bewertete die Erfahrung als „unentschieden“. Niemand äußerte Unzufriedenheit. Die Bereitschaft der Teilnehmer, an einer erneuten Untersuchung im Follow-up teilzunehmen, lag bei 99,7%. 5 Patient:innen berichteten über leichte Schmerzen bei der Untersuchung, würden die Untersuchung aber trotzdem noch einmal durchführen.Die Abbildung 1 zeigt links die Diagnostikeinheit ARTHUR, oben einen Befund von DIANA und unten die zugehörige Bilddokumentation (Rot Knochen, Blau Synovialis, Grün Sehne im Beispiel eines MCP-Gelenks sowie Doppler eines IP-Gelenks). In der ganz überwiegenden Zahl der durch ARTHUR untersuchten Gelenke (91%) zeigte sich eine gute oder sehr gute Bilddokumentation und Erkennbarkeit der Hand-, MCP-, PiP-- und DiP-Gelenkstrukturen. Schwierigkeiten bereiteten ausgeprägte Deformierungen oder ein Streckdefizit, insbesondere Schusterdaumen und Rhizarthrose. In der KI gestützten Interpretation der gespeicherten Bilder konnte die Softwareversion DIANA 1 Synovialitiden nicht zufriedenstellend erkennen. Die seit Februar 2025 verfügbare Version 2 zeigt eine bessere aber noch keine gute Erkennung und Differenzierung von Synovialitiden mit einer Quote <5% für relevante Fehler (> 2 Scorepunkte). Die Erkennung von Osteophyten war in DIANA 2 erstmals möglich, ist aber nicht zufriedenstellend. Das liegt am Ort der Dokumentation unterhalb der Strecksehne und an der unzureichenden Befundinterpretation auf dem Bild vorhandener Osteophyten durch DIANA 2.Schlussfolgerung: Die Implementierung einer neuen KI gestützten Technologie ist mit hohen administrativen Hürden und Auflagen verbunden, für die ein entsprechendes Zeitfenster eingeplant werden muss. Technisch zeigt sich eine gute Performance des Roboters inklusive robuster Bildgewinnung für Synovialitis und Erguss. Die Auswertung durch DIANA Version 2 zeigte gute, zur ersten Version von DIANA verbesserte Befunde, die gelenkbezogene Korrekturquote bei groben Abweichungen über mindestens 2 Scorepunkte für Synovialitis durch den erfahrenen Rheumatologen lag unter 5%. Derzeit ist noch wegen einzelner deutlicher Abweichungen eine parallele Auswertung und Freigabe durch erfahrene Untersucher nötig, weiteres Training der Auswertungs-KI lässt eine weitere Steigerung der Verlässlichkeit und damit einen relevanten Zugewinn in der Sprechstunde erhoffen. Die Akzeptanz der Untersuchung bei den Patient:innen war sehr hoch.Frederiksen BASchousboe MTerslev LIversen NLindegaard HSavarimuthu TRJust SAUltrasound joint examination by an automated system versus by a rheumatologist: from a patient perspective2022Adv Rheumatol30Frederiksen BA, Schousboe M, Terslev L, Iversen N, Lindegaard H, Savarimuthu TR, Just SA. Ultrasound joint examination by an automated system versus by a rheumatologist: from a patient perspective. Adv Rheumatol. 2022 Aug 8;62(1):30. DOI: 10.1186/s42358-022-00263-2http://dx.doi.org/10.1186/s42358-022-00263-2Overgaard BSChristensen ABHTerslev LSavarimuthu TRJust SAArtificial intelligence model for segmentation and severity scoring of osteophytes in hand osteoarthritis on ultrasound images2024Front Med (Lausanne)1297088Overgaard BS, Christensen ABH, Terslev L, Savarimuthu TR, Just SA. Artificial intelligence model for segmentation and severity scoring of osteophytes in hand osteoarthritis on ultrasound images. Front Med (Lausanne). 2024 Mar 4;11:1297088. DOI: 10.3389/fmed.2024.1297088http://dx.doi.org/10.3389/fmed.2024.1297088011