| Der Einsatz von künstlicher Intelligenz (KI) in der Radiologie wird immer wichtiger, um die Analyse und Interpretation der wachsenden Datenmengen zu beschleunigen, die durch die sich ständig verbessernde und weiter verbreitete Bildgebungstechnologie generiert werden. KI kann in Bereichen wie diesem erfolgreich eingesetzt werden, wo es schwierig ist, eine Korrelation zwischen eingehenden und ausgehenden Daten mathematisch zu formulieren.
Angesichts einer bereits hohen und ständig wachsenden Zahl von übergewichtigen und fettleibigen Menschen und damit zusammenhängenden Erkrankungen werden effizientere und genauere Methoden zur Messung der Körperzusammensetzung – möglicherweise KI-gesteuert – benötigt.
115 junge, mehrheitlich gut trainierte Proband*innen wurden mit der Dixon-MRT-Technik untersucht und die Daten wurden anschließend in zwei vollautomatische Segmentierungsalgorithmen eingespeist – einer davon deep-learning-basiert (FatSegNet), der andere nicht (ein k-Means-basierter Clustering-Algorithmus), um das Volumen des Fettgewebes (= adipose tissue = AT) innerhalb der Kompartimente zu bestimmen. Darüber hinaus wurden dieselben Proband*innen per Ultraschall (US) untersucht. Die mit den unterschiedlichen Methoden generierten Ergebnisse wurden dann miteinander verglichen und auf geschlechtsspezifische Unterschiede hinsichtlich der Verteilung von AT über das viszerale (VAT) und subkutane (SAT) Kompartiment untersucht.
Die abschließende Analyse wurde an 92 Proband*innen (48 Frauen, 44 Männer, 23.53 +/- 2.84 Jahre alt) durchgeführt. Die von beiden Algorithmen gemessenen Werte für die Volumina der AT-Kompartimente korrelieren gut, und die US-Messung des SAT korreliert eng mit den von beiden Algorithmen gemessenen SAT-Volumina.
Insgesamt stimmen die im Rahmen dieser Arbeit gewonnenen Daten mit der aktuellen Literatur überein, indem sie zeigen, dass die automatische Segmentierung von AT sehr genau ist - umso mehr, wenn sie von einem Deep-Learning-basierten Algorithmus durchgeführt wird. Auch die US-basierte Messung des SAT ist sehr genau und zuverlässig, insbesondere wenn sie von erfahrenen Untersucher*innen durchgeführt wird, die eine hoch entwickelte und standardisierte Methode anwenden. Schließlich stimmen unsere Daten mit dem aktuellen Verständnis des sexuellen Dimorphismus in AT-Verteilungsmustern überein, wobei Frauen relativ mehr gesamtes AAT (= abdominal AT = SAT+VAT) und SAT, und Männer relativ mehr VAT haben. |
