Eine neue künstliche-Intelligenz-basierte Bildgebungsmethode ermöglicht präzisere Vorhersagen der Knochenausschälung bei Cochlea-Implantat-Operationen, basierend ausschließlich auf vorherigen CT-Scans. Forscher aus St. Mary’s University, Trinity University, Vanderbilt University und dem Center for Advanced AI haben ein zweistufiges maschinelles Lernverfahren entwickelt, das aus „vorher-nachher“-Bildpaaren lernt, ohne dass manuelle Markierungen durch Experten nötig sind. Die Methode ist besonders relevant, da die Form der während der Mastoidektomie (Entfernung von Knochen hinter dem Ohr) entstehenden Höhlung individuell und ohne klare äußere Grenze variiert – was traditionelle Bildanalysetools überfordert. Eine präzise Vorhersage dieser Form könnte chirurgische Navigationssysteme, robotergestützte Werkzeuge und die Visualisierung im OP erheblich verbessern und so Patientenresultate optimieren. Das neue Verfahren kombiniert zwei fortschrittliche KI-Ansätze: Zunächst vergleicht ein erster Modell die präoperative CT mit der postoperativen Aufnahme, um selbstständig zu lernen, welcher Knochen entfernt wurde – selbst bei rauschbehafteten Nach-OP-Bildern. Dabei konzentriert sich das Modell auf strukturelle Muster statt feiner Details. Die so gewonnenen Vorhersagen dienen dann als „schwache Etiketten“ für ein zweites Modell, das eine spezielle 3D-Verlustfunktion basierend auf der Student-t-Verteilung nutzt. Diese ermöglicht robuste Lernprozesse auch bei ungenauen oder unvollständigen Daten, was die Genauigkeit der endgültigen Vorhersage erhöht. Bei Tests mit 751 Paaren prä- und postoperativer CTs erreichte das System einen mittleren Dice-Score von 0,72 – ein Wert, der die Vorhersage deutlich genauer macht als mehrere etablierte Modelle. Bei nur 32 manuell markierten Beispielen durch Chirurgen lag die Leistung des KI-Systems sogar über den Referenzmodellen. Zudem gelang es, ein dreidimensionales Modell der erwarteten Knochentiefe zu generieren, das zukünftig als Hilfsmittel bei der Operation oder in der chirurgischen Ausbildung dienen könnte. Die Forscher betonen, dass die Methode ein bahnbrechender Ansatz ist, um KI-Systeme für komplexe anatomische Strukturen zu trainieren, wenn handlabeled Daten fehlen oder zu kostspielig sind. Die Technologie könnte nicht nur Cochlea-Implantate, sondern auch andere chirurgische Eingriffe mit individueller Knochenbearbeitung revolutionieren. Für Patienten bedeutet dies potenziell sicherere und effizientere Operationen, unterstützt durch bessere Planung und Echtzeit-Visualisierung. Trotz der vielversprechenden Ergebnisse sind weitere klinische Tests in mehreren Krankenhäusern notwendig, bevor die Methode routinemäßig eingesetzt werden kann. Zudem wollen die Forscher die 3D-Modelle realistischer gestalten, etwa durch Texturen, um sie chirurgisch nutzbarer zu machen. Die Entwicklung zeigt, wie KI die Grenzen der medizinischen Bildanalyse erweitert – besonders dort, wo menschliche Expertise allein nicht ausreicht.