Akustische Emissionsbiomarker zur Erkennung und Überwachung früher Knie-Arthrose

Krankheitshintergrund Osteoarthritis (OA) ist eine weit verbreitete und behindernde Erkrankung, von der über 7 % der Menschen weltweit (528 Millionen Menschen) betroffen sind. Es schränkt ihre Mobilität und ihren unabhängigen Lebensstil erheblich ein. OA wird hauptsächlich durch Knorpelverlust, strukturelle Veränderungen im Knochen und Entzündungen der Synovia und der Gelenkkapsel beschrieben. Zu den häufigsten Risikofaktoren gehören Alterung, Fettleibigkeit, frühere Gelenkverletzungen und Überbeanspruchung. Es dauert mehrere Jahre, bis sich eine Arthrose entwickelt, bevor der Patient bei stärker werdenden Schmerzen den Arzt aufsucht. In frühen Stadien sind die Patienten asymptomatisch oder haben nur aktivitätsbedingte Schmerzen. Der Schmerz wird mit der Zeit konstant und weist zeitweise starke Schmerzepisoden auf. In Regionen auf der ganzen Welt werden die durchschnittlichen jährlichen Kosten für Arthrose für eine Person auf 700 bis 15.600 US-Dollar (2019) geschätzt. Folglich hat OA große sozioökonomische Auswirkungen aufgrund der hohen medizinischen Kosten, der vorzeitigen Pensionierung und der hohen Fehlzeiten am Arbeitsplatz.

Arthrose betrifft typischerweise die Hüften, Knie, Hände, Füße und die Wirbelsäule, wobei eine polyartikuläre Beteiligung häufig vorkommt. Diese Studie konzentriert sich auf OA des Knies.

Aktueller Beurteilungsstandard Der aktuelle Goldstandard zur Beurteilung des Schweregrads einer Kniearthrose basiert auf einer einfachen Röntgenaufnahme unter Verwendung des Kellgren-Lawrence (KL)-Bewertungssystems, das 1961 von der Weltgesundheitsorganisation als Standard akzeptiert wurde. Dieses System bewertet nicht das primär betroffene Gewebe – den Knorpel –, sondern nur den Gesamtaspekt des Gelenks. Daher ist es nicht in der Lage, frühe Stadien der Arthrose zu erkennen und die Diagnose wird häufig erst in einem späten Stadium gestellt, wobei außer der Knieendoprothetik nur wenige Behandlungsmöglichkeiten bestehen.

Alternative Bewertungsmethoden Eine frühere Diagnose und eine verbesserte Patientenstratifizierung sind erforderlich, um präventive OA-Behandlungen durchzuführen. Zu den möglichen Frühdiagnosemöglichkeiten zählen die Magnetresonanztomographie (MRT) und biochemische Marker. Mithilfe der MRT können Veränderungen im Knorpelvolumen, in der Knorpeldicke oder sogar in der Knorpelqualität beurteilt werden. Die weit verbreitete Verwendung der MRT wird jedoch durch die hohen Kosten, die Verfügbarkeit und das Fehlen eines validierten internationalen Scores begrenzt. Viele biochemische Marker werden derzeit untersucht, aber bisher fehlt ihnen die Spezifität für Gelenkgewebe und bestimmte Gelenke, und Empfindlichkeit und Spezifität sind für eine breite klinische Anwendung immer noch nicht hoch genug.

In jüngster Zeit besteht ein wachsendes Interesse an der akustischen Analyse als Alternative zu herkömmlichen Biomarkern, insbesondere für das Kniegelenk, wo schlecht geschmierte bewegliche Gelenkoberflächen abnormale Geräusche erzeugen, die durch die akustische Analyse aufgedeckt werden könnten.

Relevanz des Projekts Die an der ETH Lausanne entwickelte inmodi-Knieorthese ist ein Gerät zur Beurteilung der Kniegesundheit während der Bewegung. Seine Kerntechnologie kombiniert akustische, thermische und kinematische Sensoren und eine auf künstlicher Intelligenz (KI) basierende Datenanalyse, um relevante Biomarker der Gelenkfunktion zu extrahieren.

Vorläufige Daten deuten darauf hin, dass dieser kombinierte Ansatz eine nicht-invasive Frühdiagnose von Arthrose ermöglichen könnte. Bei Pferden wurde ein starker Zusammenhang zwischen dem Gelenkzustand und der Stärke der analysierten akustischen Emissionssignale (AE) festgestellt. Die Kombination von Daten (akustische Daten/Bewegungsdaten) enthält wahrscheinlich mehr Informationen über die funktionelle Gesundheit des Knies, aber solche Daten sind (rechnerisch) sehr umfangreich und ein algorithmischer Ansatz wie KI scheint die beste Option zu sein, um aussagekräftige Parameter zu extrahieren und sie zu klinisch nützlichen Biomarkern zu kombinieren . Kürzlich testeten die Forscher einen Prototyp der Inmodi-Knieorthese bei siebzehn Patienten aus der Klinik kurz vor der Knieendoprothetik (TKA). Diese Patienten litten an einer schweren Arthrose am operierten Bein und an einer leichten bis mittelschweren Arthrose am kontralateralen Bein. Ein maschineller Lernalgorithmus konnte die Beinzustände mit einer Spezifität von 0,96 (perfekt = 1) unterscheiden.

Ziel dieses neuen Projekts ist es, das Potenzial des Inmodi-Systems zur Diagnose von Arthrose in früheren Stadien weiter zu erforschen. Zu diesem Zweck werden die Forscher eine vorläufige Referenzdatenbank in einer Subpopulation entwickeln, bei der das Risiko besteht, an Arthrose zu erkranken. Die Identifizierung und Validierung neuartiger Biomarker mit einem KI-Algorithmus erfordert einen Trainingsdatensatz und einen Testdatensatz, beide mit potenziellen Biomarkern und klinischen Goldstandard-Ergebnissen für die Validierung. Für diese Datenbank ist eine Stichprobengröße erforderlich, die groß genug ist, um statistisch fundiert zu sein und eine statistische Überanpassung zu verhindern.

Nicht-invasive Diagnostik der Kniegesundheit soll dazu beitragen, Risikopatienten relativ kostengünstig und ohne Strahlenbelastung zu identifizieren und präventive Maßnahmen früher als mit herkömmlichen Röntgenmaßnahmen umzusetzen.

Risikokategorie A (minimal): Bildgebende Verfahren umfassen (1) MRT beider Knie, die nicht ionisierend ist, und (2) EOS-Scan des gesamten Beins mit viel geringerer Strahlendosis als herkömmliche Radiographie. Ein weiteres Verfahren ist die Funktionsprüfung mit der inmodi Knieorthese beider Beine. Die Wahrscheinlichkeit, dass es durch Röntgenstrahlung zu einer biologischen Wirkung auf Zellen kommt, ist sehr gering. Weitere Risiken sind psychologischer Natur und stehen im Zusammenhang mit einer „Screening-Überdiagnose“ oder klaustrophobischem Stress und Lärmbelästigung im MRT-Scanner. Darüber hinaus besteht ein Risiko für den Datenschutz, das die Ermittler durch die Einhaltung gesetzlicher und interner Datenschutzbestimmungen zu minimieren versuchen.