Kommentar zu „MSK – Osteoporose-Screening mit CT und maschinellem Lernen“

Die Osteoporose ist eine weltweit sehr häufige Erkrankung, welche sich durch eine verminderte Knochendichte auszeichnet und zu Frakturen führen kann [1]. Im klinischen Alltag besteht das Problem darin, dass die Erkrankung bis zum Auftreten von Frakturen oftmals klinisch stumm bleibt und eine Diagnostik mittels Dual-Röntgen-Absorptiometrie (DEXA) zumeist erst bei hochgradigem Verdacht auf Osteoporose erfolgt oder wenn bereits Frakturen aufgetreten sind. Diese „diagnostische Lücke“ kann durch opportunistische Ansätze verkleinert werden, indem bereits vorliegende Bildgebungsdaten wie beispielsweise aus der Computertomografie (CT) für eine Beurteilung hinsichtlich Osteoporose genutzt werden, obwohl diese initial aufgrund anderer klinischer Indikationen (zum Beispiel onkologisches Staging) angefertigt wurden [2] [3]. Somit können opportunistische Ansätze eine frühzeitige Erkennung der Osteoporose ohne zusätzliche Diagnostik ermöglichen, was auch zu einer Kostenersparnis, Schonung von Ressourcen und verminderter Strahlenexposition des Patienten durch Vermeidung dezidierter Untersuchungen wie DEXA führen könnte [2] [3].

Publication History

Article published online:
02 January 2025

• Literatur

• 1 Compston JE, McClung MR, Leslie WD. Osteoporosis. Lancet 2019; 393: 364-376
• 2 Sollmann N, Kirschke JS, Kronthaler S. et al. Imaging of the Osteoporotic Spine – Quantitative Approaches in Diagnostics and for the Prediction of the Individual Fracture Risk. Rofo 2022; 194: 1088-1099
• 3 Loffler MT, Sollmann N, Mei K. et al. X-ray-based quantitative osteoporosis imaging at the spine. Osteoporos Int 2020; 31: 233-250
• 4 Sebro R, De la Garza-Ramos C. Opportunistic screening for osteoporosis and osteopenia from CT scans of the abdomen and pelvis using machine learning. Eur Radiol 2023; 33: 1812-1823
• 5 Kutlesa Z, Jerkovic K, Ordulj I. et al. The effect of contrast media on CT measures of bone mineral density: a systematic review. Skeletal Radiol 2023; 52: 687-694