Advertisement

Der Orthopäde

, Volume 47, Issue 12, pp 1034–1049 | Cite as

Digitalisierung und künstliche Intelligenz in Orthopädie und Unfallchirurgie

  • K. Harren
  • F. Dittrich
  • F. Reinecke
  • M. Jäger
CME

Zusammenfassung

Im Zuge der Digitalisierung werden medizinische Dokumente immer seltener handschriftlich festgehalten. Die Digitalisierung ist nicht mehr aus der alltäglichen Patientenversorgung wegzudenken, jedoch stehen Orthopädie und Unfallchirurgie im Gegensatz zu anderen Fachdisziplinen noch am Anfang neuer Technologien. Künstliche Intelligenz wird nicht nur in Form von Operationsrobotern in der Gelenkchirurgie oder bei der Konzeption individualisierter Implantate eingesetzt, sondern liefert ebenso wertvolle Entscheidungshilfen durch entsprechende Algorithmen bei Diagnose und Therapie. Es darf davon ausgegangen werden, dass diese Technologien in den kommenden Jahren weiterentwickelt und vermehrt zum Einsatz zu kommen werden. Typische Beispiele sind intuitiv bedienbare und autonom arbeitende Programme sowie Systeme, die die Vernetzung und Arbeit von medizinischem Personal unterstützen sowie die Abläufe der Patientenversorgung präziser und weniger vulnerabel gegenüber Störgrößen machen.

Schlüsselwörter

Robotik E-Health Software 3D-Druck Mobile Apps 

Digitalization and artificial intelligence in orthopedics and traumatology

Abstract

In the course of digitalization it is becoming increasingly rare for medical documents to be handwritten. As a result, digitalization has already become an integral part of routine patient care but in contrast to other specialist disciplines, such as radiology or laboratory medicine, orthopedics and trauma surgery are still at the beginning of new technologies. Artificial intelligence is not only used in the form of surgical robots in joint surgery or in the design of individualized implants but also provides valuable decision-making aids through appropriate algorithms for diagnosis and treatment. It can be assumed that these technologies will be further developed and used increasingly more in the coming years. Typical examples are intuitively operable and autonomously working programs and systems that support the networking and work of medical personnel and make processes inside and outside inpatient care more precise and less vulnerable to disturbances.

Keywords

Robotics eHealth Software 3D printing Mobile Apps 

Notes

Einhaltung ethischer Richtlinien

Interessenkonflikt

K. Harren, F. Dittrich, F. Reinecke und M. Jäger geben an, dass kein Interessenkonflikt besteht.

Dieser Beitrag beinhaltet keine von den Autoren durchgeführten Studien an Menschen oder Tieren.

Literatur

  1. 1.
    Bundesamt (2016) Pressemitteilung vom 5. Dezember 2016–430/16. https://www.destatis.de/DE/PresseService/Presse/Pressemitteilungen/2016/12/PD16_430_63931pdf.pdf?__blob=publicationFile. Zugegriffen: 23.04.2018Google Scholar
  2. 2.
    Jones M, Craft L (2018) Hype cycle for digital care delivery including telemedicine and virtual care, Gartner. https://www.gartner.com/document/3882881. Zugegriffen: 27.08.2018Google Scholar
  3. 3.
    Litzel N (2016) Was ist Künstliche Intelligenz / Artificial Intelligence? https://www.bigdata-insider.de/was-ist-kuenstliche-intelligenz-artificial-intelligence-a-562354/. Zugegriffen: 23. März 2018Google Scholar
  4. 4.
    Wichert A (2000) Künstliche Intelligenz. http://www.spektrum.de/lexikon/neurowissenschaft/kuenstliche-intelligenz/6810. Zugegriffen: 23. März 2018Google Scholar
  5. 5.
    Wess S (2017) Künstliche Intelligenz – Was ist dran am neuen Hype? https://www.empolis.com/blog/kuenstliche-intelligenz/kuenstliche-intelligenz-was-ist-dran-am-neuen-hype/. Zugegriffen: 7. Juni 2018Google Scholar
  6. 6.
    Deutsche Forschungsgemeinschaft: DFG-Positionspapier. Förderung von Informationsinfrastrukturen für die Wissenschaft. 3/18, Bonn. http://www.dfg.de/download/pdf/foerderung/programme/lis/positionspapier_informationsinfrastrukturen.pdf
  7. 7.
    OrhtoGuidelines (2018) http://www.orthoguidelines.org. Zugegriffen: 24. Apr. 2018
  8. 8.
    Orthorad (2018) http://www.idr.med.uni-erlangen.de/orthorad/index.php. Zugegriffen: 24. Apr. 2018
  9. 9.
    Colton C, Schatzker J, Trafton P et al (2018) Osteosynthese, A. [cited 2018 24.04.]. https://www2.aofoundation.org/wps/portal/surgery.
  10. 10.
    Bundesärztekammer (2018) 121. Deutscher Ärztetag ebnet den Weg für ausschließliche Fernbehandlung. http://www.bundesaerztekammer.de/presse/pressemitteilungen/news-detail/121-deutscher-aerztetag-ebnet-den-weg-fuer-ausschliessliche-fernbehandlung/. Zugegriffen: 7. Juni 2018Google Scholar
  11. 11.
    Holderried M et al (2018) Chances and risks of telemedicine in orthopaedics and trauma surgery. Z Orthop Unfall 156(1):68–77CrossRefGoogle Scholar
  12. 12.
    Lavallee S et al (1995) Computer-assisted spine surgery: a technique for accurate transpedicular screw fixation using CT data and a 3-D optical localizer. J Image Guid Surg 1(1):65–73CrossRefGoogle Scholar
  13. 13.
    Joskowicz L, Hazan EJ (2016) Computer aided orthopaedic surgery: incremental shift or paradigm change? Med Image Anal 33:84–90CrossRefGoogle Scholar
  14. 14.
    Saragaglia D et al (2018) Total knee arthroplasties from the origin to navigation: history, rationale, indications. Int Orthop.  https://doi.org/10.1007/s00264-018-3913-z Google Scholar
  15. 15.
    Befrui N et al (2018) 3D augmented reality visualization for navigated osteosynthesis of pelvic fractures. Unfallchirurg 121(4):264–270Google Scholar
  16. 16.
    Stefan P et al (2018) Team training and assessment in mixed reality-based simulated operating room : current state of research in the field of simulation in spine surgery exemplified by the ATMEOS project. Unfallchirurg 121(4):271–277Google Scholar
  17. 17.
    von der Heide AM et al (2018) Camera-augmented mobile C‑arm (CamC): a feasibility study of augmented reality imaging in the operating room. Int J Med Robot 14(2).  https://doi.org/10.1002/rcs.1885 Google Scholar
  18. 18.
    Zang G et al (2018) Accurate placement of cervical pedicle screws using 3D-printed navigational templates. Orthopäde 47(5):428–436CrossRefGoogle Scholar
  19. 19.
  20. 20.
    Group H (2017) Der Aufstieg der Roboter in der Chirurgie. http://www.hitachi.eu/de-de/social-innovation-stories/gesundheit/der-aufstieg-der-roboter-der-chirurgie. Zugegriffen: 9. März 2018Google Scholar
  21. 21.
    Gregori A et al (2014) Handheld precision sculpting tool for unicondylar knee arthroplasty. 15th EFFORT Congress, LondonGoogle Scholar
  22. 22.
    Plaskos C et al (2005) Praxiteles: a miniature bone-mounted robot for minimal access total knee arthroplasty. Int J Med Robotics Comput Assist Surg 1(4):67–79CrossRefGoogle Scholar
  23. 23.
    Ponder C, Plaskos C, Cheal E (2013) Press-fit total knee arthroplasty with a robotic-cutting guide: proof of concept and initial clinical experience. Bone Joint J 95(Suppl 28):61–61Google Scholar
  24. 24.
    Newsroom M (2016) MAKO-System – Roboterarm assistierte Chirurgie die Orthopädie. http://www.medmix.at/mako-system-roboterarm-assistierte-chirurgie-die-orthopaedie/. Zugegriffen: 14. März 2018Google Scholar
  25. 25.
    Lang J et al (2011) Robotic systems in orthopaedic surgery. J Bone Joint Surg Br 93(10):1296–1299CrossRefGoogle Scholar
  26. 26.
    Lonner JH (2009) Indications for unicompartmental knee arthroplasty and rationale for robotic arm-assisted technology. Am J Orthop 38(2 Suppl):3–6Google Scholar
  27. 27.
    Sinha RK (2009) Outcomes of robotic arm-assisted unicompartmental knee arthroplasty. Am J Orthop 38(2 Suppl):20–22Google Scholar
  28. 28.
    Pearle AD, O’Loughlin PF, Kendoff DO (2010) Robot-assisted unicompartmental knee arthroplasty. J Arthroplasty 25(2):230–237CrossRefGoogle Scholar
  29. 29.
    Jones B et al (2013) Accuracy of UKA implant positioning and early clinical outcomes in a RCT comparing robotic assisted and manual surgery. 13th annual CAOS Meeting.Google Scholar
  30. 30.
    Coon T, Roche M, Buechel F (2014) Short to mid term survivorship of robotic arm assisted UKA: a multicenter study. Pan Pacific Orthopaedic Congress.Google Scholar
  31. 31.
    Conditt M et al (2013) Two year survivorship of robotically guided unicompartmental knee arthroplasty. Bone Joint J 95(Suppl 34):294–294Google Scholar
  32. 32.
    Jacofsky DJ, Allen M (2016) Robotics in arthroplasty: a comprehensive review. J Arthroplasty 31(10):2353–2363CrossRefGoogle Scholar
  33. 33.
    Bukowski B, Abiola R, Illgen R (2014) Outcomes after primary total hip arthroplasty: manual compared with robotic assisted techniques. 44 th annual advances in arthroplasty, CambridgeGoogle Scholar
  34. 34.
    Trivedi V (2018) A peek into the future of orthopedics: computers and artificial intelligence. Orthop Rheumatol 10(5).  https://doi.org/10.19080/OROAJ.2018.10.555797 Google Scholar
  35. 35.
    Healthcare S (2015) Siemens Healthcare präsentiert erstes Roboter-basiertes Röntgensystem. https://www.siemens.com/press/de/pressemitteilungen/?press=/de/pressemitteilungen/2015/healthcare/pr2015100039hcde.htm&content[]=HC. Zugegriffen: 23. März 2018Google Scholar
  36. 36.
    Manchester U (2018) Students create 3D Printed robot prosthetic limb for amputees. http://www.manchester.ac.uk/discover/news/students-create-3d-printed-robot-prosthetic-limb-for-amputees/. Zugegriffen: 21. Apr. 2018Google Scholar
  37. 37.
    Krämer A (2018) Krankenhaus Tirschenreuth fertigt Hüften mit 3D-Drucker. https://www.3d-grenzenlos.de/magazin/kurznachrichten/krankenhaus-tirschenreuth-hueften-aus-3d-drucker-27343673/. Zugegriffen: 21. Apr. 2018Google Scholar
  38. 38.
    Dumas J‑L (2014) Prothesen aus dem Drucker – wie 3D-Drucker die Orthopädie verändern könnten. https://arthrose-journal.de/praktisches/forschung/prothesen-aus-dem-drucker-wie-3d-drucker-die-orthopadie-verandern-konnten/. Zugegriffen: 21. Apr. 2018Google Scholar
  39. 39.
    Taylor M, Prendergast PJ (2015) Four decades of finite element analysis of orthopaedic devices: where are we now and what are the opportunities? J Biomech 48(5):767–778CrossRefGoogle Scholar
  40. 40.
    Aach M et al (2015) Exoskeletons for rehabilitation of patients with spinal cord injuries. Options and limitations. Unfallchirurg 118(2):130–137CrossRefGoogle Scholar
  41. 41.
    Sullivan T (2017) Half of hospitals to adopt artificial intelligence within 5 years. http://www.healthcareitnews.com/news/half-hospitals-adopt-artificial-intelligence-within-5-years. Zugegriffen: 9. März 2018Google Scholar
  42. 42.
    Gmb HSD (2017) Medizinrobotik – Künstliche Intelligenz im OP-Saal oder doch alles nur Technik? https://sonepar-innovationlab.com/medizinrobotik-kuenstliche-intelligenz-op/. Zugegriffen: 9. März 2018Google Scholar

Copyright information

© Springer Medizin Verlag GmbH, ein Teil von Springer Nature 2018

Authors and Affiliations

  • K. Harren
    • 1
  • F. Dittrich
    • 1
  • F. Reinecke
    • 1
  • M. Jäger
    • 1
  1. 1.Klinik für Orthopädie und UnfallchirurgieUniversität Duisburg-Essen/Universitätsklinikum EssenEssenDeutschland

Personalised recommendations