KI-Modell verbessert Vorhersage von Verschlechterung bei Kniegelenksarthrose

Ein künstlich-intelligente Modell, das bildgebende, biochemische und klinische Daten kombiniert, zeigt vielversprechende Ergebnisse bei der Vorhersage einer Verschlechterung der Kniegelenk-Osteoarthrose. Das von Ting Wang von der Chongqing Medical University entwickelte Modell namens LBTRBC-M (Load-Bearing Tissue Radiomic plus Biochemical biomarker and Clinical variable Model) integriert longitudinale MRT-Bilder, biochemische Marker aus Blut und Urin sowie klinische Informationen von 594 Patienten mit Kniegelenk-Osteoarthrose, die über zwei Jahre hinweg beobachtet wurden. Die Daten stammten aus dem Osteoarthritis Biomarkers Consortium der National Institutes of Health (NIH). Mit Hilfe von Deep-Learning-Algorithmen wurde das Modell an der Hälfte der Daten trainiert und an der anderen Hälfte validiert. Die Ergebnisse zeigten eine hohe Genauigkeit bei der Vorhersage von Schmerzverschlechterungen, strukturellen Veränderungen wie Gelenkspaltverengung oder einer Kombination beider innerhalb der nächsten zwei Jahre. Besonders bemerkenswert war die Verbesserung der Diagnosegenauigkeit durch klinische Fachkräfte: Während Ärzte ohne Unterstützung eine Trefferquote von 46,9 % erzielten, stieg diese auf 65,4 %, wenn sie das AI-Modell nutzten. Dies deutet darauf hin, dass die KI nicht nur präzise Vorhersagen ermöglicht, sondern auch die Entscheidungsfindung von Ärzten unterstützt. Die Forscher betonen, dass die Kombination von radiomischen Merkmalen aus MRT-Bildern – die feine Struktur und Veränderungen im Knorpel und umgebenden Gewebe erfassen – mit biochemischen und klinischen Daten einen entscheidenden Fortschritt darstellt. Bisher wurden solche multimodalen Ansätze selten in einer einzigen, validierten Plattform umgesetzt. Die Studie unterstreicht das Potenzial von KI, komplexe, multimodale Daten zu entschlüsseln, um personalisierte, frühzeitige Interventionen zu ermöglichen. Experten sehen darin einen Meilenstein für die präzise Medizin im Bereich der Muskuloskelettalen Erkrankungen. Prof. Changhai Ding hebt hervor, dass die Arbeit ein Beispiel für interdisziplinäre Zusammenarbeit ist, die künstliche Intelligenz gezielt in klinische Praxis einbringt. Trotz der vielversprechenden Ergebnisse bleibt die Validierung in größeren, diversen Populationen und in der klinischen Routine notwendig, bevor das Modell breit eingesetzt werden kann. Die Forschung öffnet den Weg für intelligente, datengetriebene Ansätze zur Überwachung und Behandlung von Osteoarthrose.