Wirbelsäulenchirugie im Fokus der Künstlichen Intelligenz - Einsatz von Machine Learning Modellen zur Vorhersageoptimierung Individueller Behandlungsstrategien und Outcome bei Degenerativer Spondylolisthese

• Antragstellerin: Dr. Annika Bay
• Fachliche Zuordnung: Orthopädie, Unfallchirurgie, rekonstruktive Chirurgie
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 526240791

Im Fokus dieses Forschungsvorhabens steht die Entwicklung von Machine Learning (ML) Algorithmen welche die individuelle Outcomevorhersage ermöglichen und somit die wirbelsäulenchirurgische Entscheidungsfindung unterstützen können. Als Datengrundlage wird eine große, prospektiv gepflegte Datenbank des Hospital of Special Surgery, NY, USA mit 1.083 Datensätzen von Patienten mit symptomatischer, monosegmentaler L4/5 Spondylolisthese nach operativer Dekompression allein oder Dekompression mit Fusion, dienen. ML Algorithmen werden mit Hinblick auf die individuelle Vorhersageoptimierung trainiert. Darüber hinaus streben wir die Entwicklung eines neuartigen Klassifikationssystems für die degenerative Spondylolisthese an, welches auf vorliegenden klinischen Daten und ML-Vorhersagen basiert, um hieraus individualisierte Behandlungsempfehlungen abzuleiten. Mit dem leistungsstärksten Algorithmus erfolgt der Aufbau einer Web-App, welche eine anonyme Eingabe und folglich Outcomevorhersage aus Daten externer Patient:innen unterstützt.Unserer Hypothese nach, können durch die Verwendung von ML-Algorithmen bisher unbekannte Zusammenhänge von patientenspezifischen Schlüsselvariablen identifiziert werden. Die hieraus abgeleiteten auf ML basierenden Algorithmen erlauben die Entwicklung optimierter Vorhersagetools mit dem Ziel die Patient:innen Sicherheit und Versorgung zu optimieren.

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: USA
• Gastgeber: Professor Dr. Sheeraz A. Qureshi