Effizienter Algorithmus zur Bestimmung von Konkrementvolumina

UROLITHIASIS Orange – Die Urolithiasis ist eines der häufigsten urologischen Krankheitsbilder mit steigender Inzidenz und Prävalenz in der westlichen Welt. Die Behandlungsstrategie ist nebst patientenspezifischen Faktoren insbesondere durch die Konkrementgrösse beeinflusst. Aktuell erfolgt die Bestimmung der Konkrementgrösse hauptsächlich durch Bestimmung des Durchmessers oder mittels Annäherung über ellipsoide Formeln, wobei das Konkrementvolumen hierbei häufig inkorrekt determiniert wird. Die manuelle Volumenbestimmung im CT mittels Delineation ist insbesondere bei grossen oder multiplen Konkrementen sehr zeit- und ressourcenaufwändig und wird daher im klinischen Alltag kaum durchgeführt. An der University of California Irvine in Orange, USA, wurde ein auf künstlicher Intelligenz basierender Algorithmus zur Bestimmung des Steinvolumens entwickelt, welcher in der hier vorgestellten Studie von Andrei D. Cumpanas et al. untersucht wurde. Insgesamt wurden 322 nicht kontrastmittelverstärkte CT-Scans retrospektiv ausgewertet. Der grösste Stein wurde jeweils als «Index-Stein» definiert und dessen Volumen mittels manueller Delineation (3D Slicer) bestimmt und der ermittelte Wert als «Ground Truth» definiert. In einem nächsten Schritt erfolgte die Volumenbestimmung durch den Algorithmus. Die Ground Truth wurde mit den Ergebnissen des Algorithmus sowie einer Volumenbestimmung mittels Annäherung über Ellipsoidformeln sowie Bestimmung durch die maximale lineare Steingrösse verglichen. Wie die Autoren in der Februar-Ausgabe 2024 des JOURNAL OF UROLOGY berichten, lag zwischen dem durch den Algorithmus ermittelten Volumen und der Ground Truth eine nahezu vollständige Korrelation vor (R = 0,98). Mit zunehmender Steingrösse nahm die Genauigkeit des Algorithmus zudem zu. Darüber hinaus ergab das KI-Steinvolumen eine ausgezeichnete 3D-Pixel-Überlappung mit der Ground Truth (Dice-Score = 0,90). Im Vergleich dazu schnitten die Volumina auf Basis der Ellipsoidformeln (R-Bereich 0,79 – 0,82) schlechter ab als der KI-Algorithmus; bei den Ellipsoidformeln nahm die Genauigkeit mit zunehmender Steingrösse ab (durchschnittliche Überschätzung 27% – 89%). Schliesslich hatte die maximale lineare Steingrösse für alle Steingrössen die schlechteste Korrelation mit der Ground Truth (R-Bereich 0,41 – 0,82). (fa)

Autoren: Cumpanas AD, Chantaduly C, Morgan KL, Shao W, Gorgen ARH, Tran CM, Wu YX, McCormac A, Tano ZE, Patel RM, Chang P, Landman J, Clayman RV. Korrespondenz: Andrei D. Cumpanas, MD, Department of Urology, University of California Irvine, 3800 Chapman Ave—Suite 7200, Orange, CA 92868, USA. E-Mail: acumpana@hs.uci.edu Studie: Efficient and Accurate Computed Tomography-Based Stone Volume Determination: Development of an Automated Artificial Intelligence Algorithm. Quelle: J Urol. 2024 Feb;211(2):256-265. doi: 10.1097/JU.0000000000003766. Epub 2023 Oct 27. PMID: 37889957. Web: https://www.auajournals.org/doi/10.1097/JU.0000000000003766

KOMMENTAR Der verwendete Algorithmus zur Bestimmung der Konkrementvolumina der University of California scheint ein genaues und zeiteffizientes Tool zur Bestimmung des Steinvolumens zu sein. Eine breite Anwendung im klinischen Alltag könnte zu einer Verbesserung der chirurgischen Therapie von Patienten mit Urolithiasis beitragen. Der Mehrwert der Anwendungen dürfte insbesondere bei grossen Nephrolithen liegen. Generell bleibt es sehr spannend, welche Veränderungen die Implementation künstlicher Intelligenz in Forschung und Klinik in der Medizin in den nächsten Jahren bewirken wird.

Autor: Dr. med. Fabian Aschwanden, Assistenzarzt Luzerner Kantonsspital