Hintergrund
Die Diagnose der axialen Spondyloarthritis (axSpA) erfordert die Beurteilung von Sakroiliakalgelenk-MRTs nach den ASAS-Kriterien von 2009. Dies setzt erhebliche Expertise voraus, was zu Verzögerungen in der Diagnostik führen kann. Künstliche Intelligenz könnte helfen, diese diagnostische Lücke zu schließen und die Früherkennung zu verbessern.
PICO
- Population: 731 Patienten mit nr-axSpA und r-axSpA aus den RCTs RAPID-axSpA und C-OPTIMISE
- Intervention: Deep-Learning-Algorithmus zur automatisierten Beurteilung von SI-Gelenk-MRTs
- Comparison: Zentrale Experten-Beurteilung nach ASAS-MRT-Definition 2009
- Outcome: Sensitivität, Spezifität, PPV, NPV, Cohen's kappa
Ergebnisse
Diagnostische Genauigkeit vs. Experten-Konsensus
| Metrik | Wert | 95% CI |
|---|---|---|
| Sensitivität | 70% | 66% – 73% |
| Spezifität | 81% | 78% – 84% |
| PPV | 84% | 82% – 87% |
| NPV | 64% | 61% – 68% |
| Cohen's kappa | 0.49 | 0.43 – 0.55 |
| Absolute Übereinstimmung | 74% | 72% – 77% |
Detektionsergebnisse
- Der Algorithmus identifizierte Inflammation bei 360/731 Patienten
- Experten-Reading fand Inflammation bei 436/731 Patienten
- Der Algorithmus tendierte zu konservativerer (unter-)Berichterstattung
Fazit für die Praxis
Der Deep-Learning-Algorithmus erreicht eine akzeptable Detektion von Sakroiliitis gemäß ASAS-Definition 2009 in einer großen externen Validierungskohorte. Er könnte als Screening-Tool für Nicht-Experten (Radiologen ohne Rheuma-Spezialisierung, Rheumatologen ohne MRT-Expertise) dienen, ersetzt aber nicht die Expertenbeurteilung bei unklaren Fällen.
⚠️ Limitationen
Mit einem Cohen's kappa von 0.49 (moderate Übereinstimmung) und 70% Sensitivität werden ca. 30% der positiven Fälle übersehen. Der Algorithmus eignet sich als Screening-, nicht als alleiniges Diagnosetool.