26dkou386 10.3205/26dkou386 urn:nbn:de:0183-26dkou3864 Meeting Abstract Wenzke Wenzke Lena L

Unfallkrankenhaus Berlin, Berlin, Deutschland

author Trommler Trommler Katja K

Unfallkrankenhaus Berlin, Berlin, Deutschland

author Backhaus Backhaus Luisa L

Unfallkrankenhaus Berlin, Berlin, Deutschland

author Diermeier Diermeier Theresa T

Unfallkrankenhaus Berlin, Berlin, Deutschland

author Osterhoff Osterhoff Georg G

Unfallkrankenhaus Berlin, Berlin, Deutschland

author Hennicke Hennicke Kathrin K

Unfallkrankenhaus Berlin, Berlin, Deutschland

author German Medical Science GMS Publishing House

Düsseldorf

610 20261020 germ This 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). M0659 386 Deutsche Gesellschaft für Orthopädie und Unfallchirurgie Deutsche Gesellschaft für Orthopädie und Orthopädische Chirurgie Deutsche Gesellschaft für Unfallchirurgie Berufsverband für Orthopädie und Unfallchirurgie Deutscher Kongress für Orthopädie und Unfallchirurgie (DKOU 2026) Grundlagenforschung | Digitalisierung und KI Berlin 20261020 20261023 DKOU26_Abs_1155 TextZielsetzung und Fragestellung: Künstliche Intelligenz (KI) wird zunehmend zur Unterstützung klinischer Abläufe eingesetzt, insbesondere in der Notfallmedizin, wo die rasche Diagnose potenziell letaler Verletzungen essenziell ist. KI-Modelle liefern als unterstützende Tools bereits frühzeitig Hinweise auf Traumafolgen. Vor dem Hintergrund struktureller Veränderungen und Digitalisierung im Gesundheitswesen untersucht diese Studie die diagnostische Genauigkeit der Pneumothorax-Erkennung in der konventionellen Röntgenaufnahme des Thorax durch Unfallchirurg:innen im Vergleich zu einem etablierten KI-System.Material und Methoden: In einer retrospektiven Vergleichsstudie wurden 60 Röntgen-Thorax-Aufnahmen aus den Jahren 2024 – 2026 analysiert, der Anteil der Pneumothoraces auf 20% festgelegt. Als Referenz diente das KI-Modell „AI doc“, der Goldstandard war die fachärztliche, radiologische Befundung eines überregionalen Traumazentrums. Assistenz- und Fachärzt:innen der Unfallchirurgie befundeten die pseudonymisierten, randomisiert präsentierten Bilddatensätze unabhängig und verblindet gegenüber der KI-Ergebnisse. Die Bewertung erfolgte binär (Pneumothorax ja/nein). Sensitivität und Spezifität wurden mittels Wilson-Score-Methode berechnet.Ergebnisse: Das KI-Modell erreichte eine Sensitivität von 0,75 (95% KI 0,47–0,91) und eine Spezifität von 1,0 (95% KI 0,93–1,0). Die unfallchirurgische Befundung zeigte eine mittlere Sensitivität von 0,92 (95% KI 0,73–0,98) sowie eine mittlere Spezifität von 0,83 (95% KI 0,74–0,90).Diskussion und Schlussfolgerung: Die Ergebnisse zeigen eine hohe Übereinstimmung der KI-Analyse mit dem radiologischen Goldstandard. Hinsichtlich der Sensitivität übertraf die unfallchirurgische Befundung das KI-Modell, während die KI eine höhere Spezifität erreichte. Beide Verfahren stellen somit valide Ansätze in der Pneumothorax-Diagnostik dar, wobei die KI perspektivisch eine zentrale Rolle als verlässliches Tool zur Entscheidungsunterstützung einnehmen kann. 0 0 0 0