Schwarzweiß-Aufnahme einer Frau, die auf dem Bett sitzt und sich mit der...

© WavebreakMediaMicro – stock.adobe.com

News • Multimodaler, datengestützter Ansatz

Chronische Rückenschmerzen: KI verbessert Diagnose

Multimodale Datenanalysen für gezieltere und objektivere Diagnostik bei chronischen Rückenschmerzen

Das Team verglich mit Hilfe eines maschinellen Lernverfahrens verschiedene Diagnosekriterien für Rückenschmerzpatienten miteinander. Das Ergebnis, veröffentlicht im Fachjournal Scientific Reports, zeigt: Eine Kombination mehrerer diagnostischer Verfahren ist bei der Erkennung chronischer Rückenschmerzen deutlich wirkungsvoller als die Anwendung nur eines einzelnen Instruments. 

Um fundiertere Therapieentscheidungen zu ermöglichen und Behandlungsversagen zu verringern, ist ein multimodaler, datengestützter Diagnoseansatz dringend erforderlich

Daniel Belavy

Die Wissenschaftler konnten zudem herausstellen, welche Kriterien am aussagekräftigsten sind. Eine kleine Auswahl an besonders wichtigen diagnostischen Instrumenten – zum Beispiel zur Bandscheibe, Beweglichkeit von Hüfte und Nacken sowie zur psychischen Gesundheit – war hilfreicher als alle 144 getesteten Merkmale zusammen.  

„Die bisherige Diagnostik chronischer Rückenschmerzen stützt sich überwiegend auf patientenberichtete Symptome, die subjektiv und stark variabel sind. Um fundiertere Therapieentscheidungen zu ermöglichen und Behandlungsversagen zu verringern, ist ein multimodaler, datengestützter Diagnoseansatz dringend erforderlich“, so Prof. Dr. Daniel Belavy, Professor für Physiotherapie an der Hochschule Bochum. 

Chronische Rückenschmerzen im unteren Rücken zählen weltweit zu den häufigsten Gesundheitsproblemen. Ihre Ursachen sind vielfältig, reichen von körperlichen über psychische bis hin zu sozialen Faktoren und machen eine präzise Diagnose entsprechend schwierig. In der Studie wurden die Daten von insgesamt 1161 Patienten ausgewertet. Die Teilnehmenden durchliefen ein standardisiertes Untersuchungsprogramm mit Fragebögen, klinischer Diagnostik, Rückenanalyse und optionalen MRT-Aufnahmen der Lenden-Becken-Region. 

Die Auswertung der Daten zeigte: Kombinationen aus psychosozialen, klinischen und MRT-Daten führten zu den treffsichersten Diagnosemodellen. Insbesondere soziale Funktionsfähigkeit und psychisches Wohlbefinden – erfasst über einfache Fragebögen – erwiesen sich als besonders aussagekräftig. Auch körperliche Merkmale wie eine eingeschränkte Halswirbelsäulen-Rotation, reduzierte Hüftbeweglichkeit sowie Bandscheibenschäden im MRT trugen wesentlich zur Unterscheidung bei. 

Ein maschinelles Lernverfahren („Boruta“) konnte die Zahl der genutzten Variablen dabei um 63% reduzieren – ohne Einbußen bei der Modellqualität. Damit lässt sich die Diagnostik nicht nur verbessern, sondern auch effizienter gestalten. 

Die Ergebnisse belegen, dass eine personalisierte Diagnostik, die körperliche, psychische und bildgebende Befunde einbezieht, zielführender ist als Einzelansätze. Der in der Studie entwickelte KI-Ansatz fließt bereits in die laufende PREDICT-LBP-Studie der Hochschule Bochum ein. Langfristig soll er helfen, verschiedene Gruppen von Rückenschmerzpatienten zu identifizieren und ihre Behandlung gezielter zu planen. 


Quelle: Hochschule Bochum 

01.08.2025

Verwandte Artikel

Photo

News • Prostatakrebs-Analyse

Mit KI und Multiomics gegen unnötige Entfernung der Prostata

Bei manchen Patienten mit Prostatakrebs muss die Prostata entfernt werden – aber nicht bei allen. Ein neues Verfahren nutzt KI und Multiomics, um die invasive Biopsie zur Abklärung zu vermeiden.

Photo

News • Blick in die Black Box

Krebs-Diagnose per KI: Wie verlässlich ist der Algorithmus?

KI soll das Gesundheitswesen effizienter und günstiger machen. Doch wie können Mediziner sicher sein, dass die Maschine keine Fehler macht? Dieser Frage gehen Forscher der FH Dortmund nach.

Photo

News • Ethische Fragen zur KI in der psychiatrischen Praxis

Alzheimer und Depression: Diagnose vom Computer?

KI birgt enormes Potenzial bei der Diagnostik neuropsychiatrischer Erkrankungen – Forscher untersuchen die wissenschaftliche, ethische und soziale Bedeutung dieser Entwicklung.

Verwandte Produkte

Newsletter abonnieren