KI-Segmentierung: schnellere und einfachere 3D-Modellierung für alle

Visualisierung der 3D-Anatomie in der präoperativen pädiatrischen Planung

Radiologische Scans sind essenziell für die Visualisierung innerer Strukturen und das Verständnis der Patientenpathologie. KI kann die Segmentierung von Scans automatisieren - eine Aufgabe, die ansonsten zeitaufwendig und kostspielig ist. Dieser Bericht der University of Texas Southwestern School of Medicine, Dallas, TX, USA, untersucht öffentlich verfügbare KI-Segmentierungstools und wie sie schnell und kostengünstig in die präoperative Planung integriert werden können.

Manuelle und KI-basierte Segmentierung

Die medizinische Bildsegmentierung zielt darauf ab, Bilder in sinnvolle Regionen zu unterteilen, um anatomische Strukturen zu isolieren, Anomalien zu erkennen und Messungen für Diagnose, Behandlungsplanung und Krankheitsüberwachung bereitzustellen. Algorithmische Werkzeuge können diesen Prozess beschleunigen und 3D-Rendering oder Export innerhalb weniger Minuten ermöglichen. In dieser Studie wurde 3D Slicer verwendet, um die Segmente fein abzustimmen, obwohl die meisten 3D-Modelle automatisch mithilfe von KI-Erweiterungen erstellt wurden.

KI-Segmentierungstools

Anwendungen für die präoperative Planung nutzen zunehmend KI-Algorithmen zur Analyse medizinischer Bilder.

TotalSegmentator, trainiert mit 1.204 CT-Serien des Universitätsspitals Basel, kann 104 anatomische Strukturen mit hoher Präzision segmentieren. Es ist sowohl in 3D Slicer als auch in kommerzielle 3D/VR-Plattformen wie Medicalholodeck integriert.

MONAI ist ein Open-Source-Deep-Learning-Framework für das Gesundheitswesen. Seine 3D-Slicer-Erweiterung MONAI Auto3DSeg bietet automatisierte Segmentierungsmodelle für spezifische Organe und ermöglicht Forschern das Training benutzerdefinierter Modelle für gezielte Pathologien.

Patienten-MRT- und CT-Scans wurden anonymisiert und im DICOM-Format exportiert, um KI-Erweiterungen in 3D Slicer anhand einer Gelegenheitsstichprobe pädiatrischer chirurgischer Fälle zu testen.

KI in der pädiatrischen 3D-Planung

KI-generierte 3D-Rekonstruktionen lieferten präzise anatomische Orientierungspunkte für die präoperative Planung in der Kinderchirurgie und korrelierten eng mit der intraoperativen Anatomie. Die wichtigsten KI-Erweiterungen - TotalSegmentator, MONAI Auto3DSeg und RVesselX - liefen lokal und erzeugten thorakale sowie abdominale Segmentierungen in 60-90 Sekunden. Obwohl sie mit Erwachsenendaten trainiert wurden, identifizierten sie zuverlässig mehrere pädiatrische Strukturen für eine effektive Überlagerung mit volumen-gerenderten Bildern. Einschränkungen umfassten eine geringere Genauigkeit bei sehr jungen oder untergewichtigen Patienten sowie das Fehlen integrierter intraoperativer Anwendungen. Exportierte 3D-Modelle konnten außerdem für Bildung, VR/AR-Visualisierung und den 3D-Druck von chirurgischen Simulatoren oder Implantaten verwendet werden.

3D-Segmentierung mit KI zugänglich machen

KI und Computer Vision haben die technischen und finanziellen Hürden für die Erstellung von 3D-Rekonstruktionen aus standardmäßigen CT- und MRT-Scans erheblich gesenkt. Öffentlich verfügbare Werkzeuge ermöglichen es pädiatrischen Chirurgen nun, schnell hochpräzise Modelle ohne spezielles Fachwissen oder teure Software zu erstellen. Zukünftige Entwicklungen - wie KI-Modelle, die speziell mit pädiatrischen Daten trainiert wurden - versprechen noch höhere Genauigkeit sowie breitere intraoperative und edukative Anwendungen.

Medicalholodeck in Kombination mit TotalSegmentator stellt Segmentierungen innerhalb weniger Minuten bereit und liefert schnelle, zugängliche 3D-Modelle ohne manuelle Verarbeitung. Dies unterstützt das Verständnis der Anatomie jedes Patienten erheblich, verbessert die Fallplanung und kann die chirurgischen Ergebnisse verbessern.