26dkou385 10.3205/26dkou385 urn:nbn:de:0183-26dkou3859 Meeting Abstract Juergensen Juergensen Lukas L

Klinik für Allgemeine Orthopädie und Tumororthopädie, Universitätsklinikum Münster, Münster, Deutschland

author Toennemann Toennemann Max M

Klinik für Allgemeine Orthopädie und Tumororthopädie, Universitätsklinikum Münster, Münster, Deutschland

author Bormann Bormann Eike E

Institut für Biometrie und Klinische Forschung, Universitätsklinikum Münster, Münster, Deutschland

author Sharma Sharma Neha N

Clinic of Oral and Cranio-Maxillofacial Surgery and 3D Print Lab, Universitätsspital Basel, Basel, Schweiz Duke-NUS Medical School, Singapore, Singapur

author Zubizarreta Oteiza Zubizarreta Oteiza Jokin J

Clinic of Oral and Cranio-Maxillofacial Surgery and 3D Print Lab, Universitätsspital Basel, Basel, Schweiz

author Münch Münch Matthias M

Zentrum für klinische Forschung, BG Klinik Hamburg, Hamburg, Deutschland

author Eich Hammer Eich Hammer Karen K

3D Innovation Lab, Aarhus University Hospital, Aarhus, Dänemark

author Breitenstein Breitenstein Alexander A

Deutsches Herzzentrum Berlin, Charite, Berlin, Deutschland

author Gosheger Gosheger Georg G

Klinik für Allgemeine Orthopädie und Tumororthopädie, Universitätsklinikum Münster, Münster, Deutschland

author Schulze Schulze Martin M

Klinik für Allgemeine Orthopädie und Tumororthopädie, Universitätsklinikum Münster, Münster, 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 385 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_1124 TextZielsetzung und Fragestellung: Medizinischer 3D-Druck kann unter anderem in den Bereichen anatomische Modelle, individualisierte Instrumente und patientenspezifische Implantate eingesetzt werden. Die Segmentierung ist nach der Bildgebung der zweite essenzielle Schritt im medizinischen 3D-Druck-Prozess und ein maßgeblicher Qualitätsfaktor, insbesondere im Kontext von komplexen anatomischen bzw. pathologischen Strukturen. Für die Segmentierung können neben kommerziellen, zertifizierten Softwarelösungen auch Open-Source-Programme eingesetzt werden. Ziel dieser Studie war, in einem multizentrischen Studiensetting die Nicht-Unterlegenheit der Open-Source-Software 3D Slicer im Vergleich zum zertifizierten Medizinprodukt Mimics (Materialise, Belgien) bei der Segmentierung knöcherner Beckenstrukturen auf CT-Daten zu testen.Material und Methoden: In fünf Zentren segmentierte nach Fallzahlplanung jeweils ein erfahrener Anwender 13 modellbasierte Becken-CT- Datensätze mit beiden Softwarelösungen, sodass insgesamt 130 Segmentierungen entstanden. Die CT-Datensätze wurden entsprechend des Protokolls von Jürgensen et al. generiert . Hochauflösende optische 3D-Scans (GOM Atos Core, GOM, Deutschland) der Originalmodelle dienten als Referenzstandard. Die Segmentierungsgenauigkeit wurde mittels Oberflächenabweichungsanalyse (Inspect Optical 3D, Zeiss, Deutschland) bestimmt und als prozentualer Anteil der Oberfläche mit Abweichungen > 1 mm angegeben. Die statistische Auswertung erfolgte mittels linearem Mehrebenenmodell (SPSS, IBM, USA) unter Berücksichtigung von Zentrum und Fallnummer als zufällige Variablen. Zusätzlich wurde eine Nichtunterlegenheitsanalyse mit einer vorab definierten Grenze von zwei Prozentpunkten zu Ungunsten von 3D Slicer durchgeführt.Ergebnisse: Insgesamt gingen 120 Segmentierungen in die Analyse ein, da ein Beckenmodell vor dem 3D-Scan beschädigt wurde. Der mittlere Anteil der Oberfläche mit Abweichung > 1 mm betrug 4,14% für 3D Slicer und 4,80% für Mimics. Die geschätzte Differenz zwischen Mimics und 3D Slicer lag mit 0,67 Prozentpunkten zu Gunsten von 3D Slicer. Die untere Grenze des 95%-Konfidenzintervalls (-30,67% bis 32,01%) lag jedoch unterhalb der a priori definierten Unterlegenheitsschranke. Aufgrund der ausgeprägten interzentrischen Variabilität der Segmentierungsgenauigkeit, welche die auf Vorversuchen basierende Erwartung deutlich überschritt, konnte damit ein statistisch signifikanter Nichtunterlegenheitsnachweis nicht erbracht werden.Diskussion und Schlussfolgerung: Beide Softwarelösungen zeigten eine vergleichbare Segmentierungsgenauigkeit, wobei anwender- und zentrumsabhängige Faktoren einen größeren Einfluss hatten als die Softwarewahl selbst. Neben Zertifizierung der Software sollte somit im Kontext von Qualitätssicherung für medizinischen 3D Druck auch die softwarespezifische Qualifizierung der Anwender in den Fokus gestellt werden. Jürgensen L Validierung von Segmentierungen knöcherner Strukturen aus computertomographischen Datensätzen mit einem neuen in vitro Modell 2024 Deutscher Kongress für Orthopädie und Unfallchirurgie 2024 Jürgensen L, et al. Validierung von Segmentierungen knöcherner Strukturen aus computertomographischen Datensätzen mit einem neuen in vitro Modell. In: Deutscher Kongress für Orthopädie und Unfallchirurgie 2024. 2024. DOI: 10.3205/24DKOU382 https://doi.org/10.3205/24DKOU382 0 0 0 0