26dkou507 10.3205/26dkou507 urn:nbn:de:0183-26dkou5077 Meeting Abstract Breitwieser Breitwieser Martin M

Paracelsus Medizinische Privatuniversität Salzburg, Salzburg, Österreich

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 507 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) Poster | Schulter und Ellenbogen Berlin 20261020 20261023 DKOU26_Abs_594 TextZielsetzung und Fragestellung: Während KI-Systeme zur Frakturerkennung zunehmend eingesetzt werden, ist ihre Leistungsfähigkeit bei der Detektion und Einordnung von Knochenläsionen im Notfallröntgen bislang unzureichend untersucht. Ziel war der Vergleich der diagnostischen Leistung von Ärztinnen und Ärzten mit einem KI-System unter Verwendung eines expertenbasierten Referenzstandards.Material und Methoden: Alle Röntgenaufnahmen, die im Rahmen des SMART Fracture Trials durch Radiologen, Klinikern oder KI als potenzielle Knochenläsion klassifiziert wurden, wurden eingeschlossen. Ein unabhängiges muskuloskelettales Tumor-Team legte verblindet den Referenzstandard fest. Verglichen werden Sensitivität, Spezifität und Klassifikationsgenauigkeit von Ärztinnen/Ärzten und KI. Die statistische Analyse erfolgt mittels gepaarter Testverfahren und ROC-Analysen.Ergebnisse: Datenerhebung und Referenzstandard-Validierung wurden abgeschlossen. Die vergleichende statistische Auswertung ist aktuell in Durchführung. Vordefinierte Subanalysen untersuchen Unterschiede nach Läsionstyp und klinischer Relevanz.Diskussion und Schlussfolgerung: Die Studie liefert eine strukturierte Grundlage zur Bewertung des Potenzials KI-basierter Systeme über die Frakturerkennung hinaus. Die Ergebnisse werden zur differenzierten Einordnung des adjunctiven Einsatzes von KI in der muskuloskelettalen Diagnostik beitragen. 0 0 0 0