Text

Zielsetzung und Fragestellung: Osteoporotische Wirbelfrakturen stellen bei betagten PatientInnen eine zunehmende Herausforderung dar. Die korrekte Klassifikation ist einer der Grundpfeiler der Behandlungsplanung, bleibt jedoch untersucherabhängig und zur Klassifikation an 3D Datensätze gekoppelt. Ziel dieser Studie ist die Validierung eines Deep Learning Ansatzes zur automatisierten OF Klassifikation aus konventionellen Röntgenaufnahmen unter Vergleich von unterschiedlichen deep learning Modellen.

Material und Methoden: Vorgestellt wird eine retrospektive multizentrische Studie (Evidenzgrad III/C). Eingeschlossen wurden PatientInnen über 65 Jahre mit Röntgenaufnahmen in 2 Ebenen sowie präoperativen CT, ohne adäquates Trauma bei thorakolumbaler Fraktur. Die Klassifikation erfolgte durch 3 Untersucher (5, 7 und 10y Erfahrung). Die Studienkohorte besteht aus 570 PatientInnen (intern Train/Test) und 90 (external). Eine hierachische Loss-Funktion mit geringer Bestrafung bei benachbarten Frakturtypen (OF2 vs. OF3) sowie focal loss, label smoothing, Datenaugmentation wurden für supervised, Masked autoencoder, UniMiSS+ (2D+3D Daten), RAD DINO Modelle zum Training an internen und open source datasets eingeführt. Die statistische Analyse inkludiert Sensitivität, Spezifität, balanced accuracy, F1 score, Matthews Correlation Coefficient (MCC), Cohens Kappa, Expected calibration error (ECE) und ROCAUC.

Ergebnisse: Übersicht des besten Modells:OF 1: Sens.: 92%, Spez.: 98%, AUC 0,97OF 2: Sens.: 88,5%, Spez.: 96,7%, AUC 0,95OF 3: Sens.: 85,7%, Spez.: 96%, AUC 0,93OF 4: Sens.: 85,2%, Spez.: 95%, AUC 0,92OF 5: Sens.: 80,2%, Spez.: 98,1%, AUC 0,94. An radiologischen Daten pretrainierte Modelle übertrafen ImageNet pretrainierte um bis zu 10%. Der Performance Abfall zwischen interner und externer Validierung betrug 4%. Im Rahmen der hierarchischen Loss Analyse kann eine Fehlklassifikation um 7% gegen Cross Entropy Loss festgestellt werden. Benachbarte Fehlklassifikationen traten in 9,4% der Fälle auf. Im Rahmen der Unsicherheitsquantifizierung ECE 0,042 vs MC-Dropout mit ECE 0,068: Bei Konfidenz >0,9 lag die Accuracy bei 93,7%, bei 0,7-0,9 bei 84% und bei <0,7 bei 72%. 18% der Fälle wurden als unsicher klassifiziert und hätten einer manuellen Prüfung zugeführt werden können.

Diskussion und Schlussfolgerung: Self-supervised learning basierte deep learning Modelle mit radiologiespezifischen Pretraining übertreffen ImageNet pretrainierte Modelle relevant. Die Kombination aus hierarchischer Lossfunktion, multi-instance Learning und Unsicherheitsquantifizierung ermöglichen robuste und transparente Entscheidungsunterstützung. Die ext. Validierung bestätigt die Generalisierbarkeit des Ansatzes.Das Systems wäre als 2. reader denkbar um den Chirurgen in seiner klinisch-radiologischen Entscheidungsfindung zu unterstützen. Die Interpretation der Unsicherheitsmaße würde eine risikoadaptierte Integration in klinische Workflows erlauben.Nichtsdestoweniger sind prospektive Studien zum Nachweis eines klinischen Nutzen und Zulassung als Medizinprodukt in der Routineversorgung notwendig.