Forschungspreis Digitalisierung in Orthopädie und Unfallchirurgie
Die Arbeitsgruppe Digitalisierung der Deutschen Gesellschaft für Orthopädie und Unfallchirurgie (DGOU) vergibt jährlich den „Forschungspreis Digitalisierung in Orthopädie und Unfallchirurgie“. Der Preis wird durch die Firma Brainlab AG unterstützt und ist mit 2.500 Euro dotiert. Die Preisverleihung erfolgt auf dem Deutschen Kongress für Orthopädie und Unfallchirurgie (DKOU).
Der Preis dient der Förderung der Forschung zu Digitalisierung im Gebiet der Orthopädie und Unfallchirurgie. Er kann für herausragende abgeschlossene wissenschaftliche Arbeiten vergeben werden, die sich mit der Umwandlung von analogen in digitale Formate, mit der Beforschung digitaler Innovationen und Verfahren der Künstlichen Intelligenz für klinische Fragestellungen oder mit der Verarbeitung bzw. Speicherung von Daten in einem digitaltechnischen System beschäftigen und dabei einen Bezug zur Orthopädie und Unfallchirurgie aufweisen. Er wird an Forschende des In- und Auslandes verliehen.
Die Bewerbung erfolgt durch Einreichen einer wissenschaftlichen Arbeit. Diese sollte im aktuellen oder dem vergangenen Kalenderjahr in einer anerkannten deutsch- oder fremdsprachigen wissenschaftlichen Zeitschrift oder in Buchform erschienen sein.
Nicht eingereicht werden können bereits anderweitig ausgezeichnete oder zu einem anderen Preiswettbewerb angemeldete Arbeiten. Der oder die Verfassende der Arbeit haben schriftlich zu erklären, welche Personen an der vorgelegten Arbeit mitgewirkt haben.
Die Bewerbung inklusive Anschreiben, der wissenschaftliche Arbeit sowie der Erklärung zur Mitwirkung ist zusammen mit dem Datenschutzformular bis zum 30. April 2024 ausschließlich als PDF-Datei per E-Mail an die DGOU-Geschäftsstelle zu senden.
2023
Dr. Marco-Christopher Rupp und Nikolas J. Wilhelm, M.Sc., Abteilung für Orthopädie und Sportorthopädie, Klinikum rechts der Isar der TU München
„Multicentric Development and Validation of a Multi-Scale and Multi-Task Deep Learning Model for a Comprehensive Orthopedic Lower Extremity Alignment Analysis in a Simulated Clinical Setting“
Kniegelenkarthrose gehört zu den häufigsten Ursachen kniebedingter körperlicher Einschränkungen und erfordert eine umfassende Beurteilung der mechanischen Ausrichtung der unteren Extremitäten mithilfe von Röntgenaufnahmen des belasteten Beins (LLR). Die gegenwärtigen Analysemethoden sind allerdings zeitaufwendig und fehleranfällig; klinisch einsetzbare Anwendungen künstlicher Intelligenz gibt es kaum.
Ziel der vorliegenden multizentrischen Studie war die Entwicklung und Validierung einer neuartigen künstlichen Intelligenz (Deep Learning) zur vollautomatischen Beurteilung der Beinachsenstellung auf Röntgenbildern, um die Zuverlässigkeit von Analyse und präoperativer Planung zu erhöhen und die Analysezeit zu reduzieren. Im Zuge der Validierung wurden Genauigkeit, Verlässlichkeit und Geschwindigkeit des Algorithmus mit drei spezialisierten orthopädischen Chirurgen (OS) unter Benutzung zweier unabhängiger Datensätze verglichen. Das Deep-Learning-Model wies eine Leistung auf, die vergleichbar mit derer der Orthopäden war und übertraf menschliche Prüfer in Bezug auf Durchführungszeit und Verlässlichkeit und hat daher das Potenzial, die Effizienz und Präzision klinischer Arbeitsabläufe zu verbessern.
2022
Dr. Alexander M. Keppler und cand. med. Moritz Kraus, Muskulosklettales Universitätszentrum München, LMU Klinikum Campus Großhadern
Ziel dieser Studie war es, die Fähigkeit von Ganganalysedaten, die während des Timed-Up-and-Go-Tests (TUG) erhoben wurden, mit dem SARC-F und dem TUG-Test zur Einschätzung der Physical Frailty zu vergleichen, wobei Algorithmen des maschinellen Lernens eingesetzt wurden.
Eine auf Algorithmen des maschinellen Lernens basierende Ganganalyse, die mobile Sensorsohlen verwendet, ist dem SARC-F und dem TUG-Test überlegen, um physical frailty bei orthogeriatrischen Patienten zu erkennen.
Die Wissenschaftler konnten zeigen, dass Gangparameter ein geeignetes Ziel für Therapien der Physical Frailty sein kann und eine gezielte Physiotherapie und Beratung zur Minimierung des Sturzrisikos der Physical Frailty entgegenwirken und dadurch die gesundheitsbezogene Lebensqualität der Patienten verbessern kann.
2021
Dr. Florian Dittrich, Gelenkzentrum Bergisch Land, Remscheid
Ziel dieser Studie war es, am Beispiel der Sprunggelenks-App, Evidenzen zum Entwicklungsprozess einer Gesundheitsapp zu schaffen und Pitfalls sowie einhergehende Chancen und Risiken zu identifizieren. Die Qualität der App wurde anhand des MARS-Score durch Ärzte und Athleten evaluiert.
Die Gesamtbewertung der App mit 4,4 von 5 Punkten im MARS-Score sprechen für eine hohe App-Qualität. Das mit einer Datenbank kommunizierende hybride App-Konzept, eine hohe Zielgruppenkonformität, die vorab definierte Zweckbestimmung und der multidisziplinäre Ansatz erscheinen erfolgversprechend.
Die gewonnenen Evidenzen zeigen, dass simple mHealth-basierte Rehabilitationsprogramme durch Vermittlung von allgemeinverständlicher aktueller medizinischer Literatur, Videos und einer Tagebuchfunktion ein nützliches Instrument zur Verbesserung des Patientenengagements darstellen.