Pixaire1: Evaluation of automated chronic wound surface measurement systems.

Die Studie „Pixaire1" zeigt, dass das halbautomatische Smartphone-System Woundtrack (WT) in Bezug auf Präzision und Genauigkeit der Referenzmethode der digitalisierten Planimetrie (PL) nahekommt und sich als effiziente Alternative für die klinische Praxis eignet, während das vollautomatische System Woundsize (WS) zwar gute Ergebnisse liefert, aber bei kleinen Wunden signifikante Abweichungen aufweist und daher einen manuellen Korrekturschritt erfordert.

Das Wesentliche

🩹 Das große Wunden-Mess-Duell: Wie Smartphones die Heilung überwachen

Stellen Sie sich vor, Sie haben eine kleine Wunde am Bein. Um zu wissen, ob sie heilt, müssen Ärzte genau messen: Wird die Wunde kleiner oder größer?

In der Vergangenheit war das wie ein Handwerker, der mit einem Lineal und einem Zettel arbeitet: Man legt eine durchsichtige Folie auf die Wunde, zeichnet den Rand mit einem Stift nach und rechnet später am Computer die Fläche aus. Das ist genau, aber zeitaufwendig und unpraktisch für den Alltag.

Heute gibt es Smartphone-Apps, die das automatisch machen sollen. Die Studie „Pixaire1" hat zwei dieser neuen Apps getestet, um zu sehen, ob sie so gut sind wie der alte Handwerker.

📱 Die zwei Kandidaten

Die Forscher haben zwei Methoden von der Firma Pixacare getestet:

1. Woundtrack (Der „Co-Pilot"):

   • Wie es funktioniert: Der Arzt macht ein Foto und malt den Rand der Wunde selbst auf dem Handy-Bildschirm nach (wie beim Malen mit dem Finger). Die App berechnet dann die Fläche.
   • Die Analogie: Das ist wie ein Navigationssystem, bei dem Sie selbst die Route auf der Karte einzeichnen, aber das System berechnet dann die genaue Distanz für Sie.

2. Woundsize (Der „Autopilot"):

   • Wie es funktioniert: Der Arzt macht nur ein Foto. Ein künstlicher Intelligenz-Algorithmus (eine Art digitaler Roboter) schaut sich das Bild an und malt den Rand der Wunde automatisch ein.
   • Die Analogie: Das ist wie ein selbstfahrendes Auto, das die Straße allein erkennt, ohne dass Sie lenken müssen.

🏆 Das Ziel: Der „Goldstandard"

Als Maßstab (die „Wahrheit") diente die alte Methode mit der Folie und dem Computer (Digitized Planimetry). Man könnte sagen: Das ist der Schiedsrichter, gegen den die neuen Apps angetreten sind.

📊 Was haben die Forscher herausgefunden?

1. Der Co-Pilot (Woundtrack) ist ein Gewinner!

• Ergebnis: Wenn der Arzt den Rand selbst nachmalt, sind die Ergebnisse fast genau so gut wie die alte Folien-Methode.
• Warum? Weil der Mensch das Bild am besten sieht. Die App hilft nur bei der Rechnung.
• Vorteil: Es geht viel schneller und ist einfacher. Man kann es überall machen, sogar zu Hause beim Patienten.
• Kleine Einschränkung: Bei sehr kleinen Wunden (kleiner als eine Briefmarke) kann schon ein winziger Fehler beim Nachmalen die Größe stark verfälschen. Aber insgesamt ist die Methode zuverlässig und bereit für den Einsatz.

2. Der Autopilot (Woundsize) braucht noch einen Fahrlehrer.

• Ergebnis: Die KI ist schnell, aber nicht immer perfekt. Manchmal zeichnet sie den Rand falsch ein.
• Das Problem: Die KI ist sehr empfindlich gegenüber Licht. Wenn das Foto zu dunkel oder zu hell ist (z. B. durch Blitzlicht), verliert die KI den Rand aus den Augen. Es ist wie ein Roboter, der bei Nebel nicht mehr sieht, wo die Straße aufhört.
• Die Lösung: Die Studie schlägt vor, die KI nicht allein zu lassen. Der beste Weg ist eine Teamarbeit:
  • Der Roboter schlägt vor: „Hier ist der Rand!"
  • Der Arzt prüft: „Moment, hier ist es falsch, ich korrigiere es."
  • Der Arzt bestätigt: „Alles klar, so ist es richtig."
  • So wird die KI zu einem super Assistenten, statt einem autonomen Entscheider.

💡 Die wichtigsten Lehren für den Alltag

• Smartphones sind toll: Sie machen die Wundmessung so einfach wie ein Foto. Das spart Zeit und hilft Ärzten, die Heilung besser zu verfolgen.
• Menschliche Kontrolle ist wichtig: Besonders bei der automatischen Erkennung (Woundsize) sollte ein Arzt immer drüberschauen. Die Technik ist gut, aber noch nicht perfekt genug, um allein zu arbeiten.
• Licht ist alles: Damit die Apps funktionieren, muss das Foto gut beleuchtet sein. Kein Blitz, kein Schatten – einfach ein klares Bild.

Fazit

Die Studie sagt im Grunde: „Der Co-Pilot (Woundtrack) ist einsatzbereit und sehr genau. Der Autopilot (Woundsize) ist vielversprechend, braucht aber noch einen menschlichen Beifahrer, der aufpasst."

Dies ist ein großer Schritt in Richtung moderner Medizin, bei der Technologie den Ärzten hilft, schneller und präziser zu arbeiten, ohne die menschliche Expertise zu ersetzen.

Technische Zusammenfassung

1. Problemstellung

Die quantitative Erfassung der Wundfläche chronischer Wunden (z. B. diabetische Fußulzera, venöse Ulzera, Dekubitus) ist ein entscheidender Faktor für die Prognose und das Management der Wundheilung. Trotz ihrer klinischen Bedeutung wird die Flächenmessung in der Praxis selten durchgeführt, da etablierte Methoden oft zeitaufwendig sind oder spezielle Geräte erfordern.

• Herausforderung: Bestehende Methoden reichen von manuellen Abreibungen (Planimetrie) bis hin zu nicht-kontaktierenden 3D-Scannern. Viele sind jedoch entweder zu invasiv, teuer oder für den häuslichen Einsatz ungeeignet.
• Ziel: Die Validierung von zwei smartphone-basierten Lösungen der Firma Pixacare, die eine einfache, schnelle und präzise Messung der Wundfläche ermöglichen sollen, im Vergleich zum Goldstandard der digitalisierten Planimetrie.

2. Methodik

Die Studie „Pixaire 1" war eine offene, ein-zentrische Querschnittsstudie, die von Mai bis Juni 2023 im Vaskularchirurgischen Departement des Krankenhauses Haguenau (Frankreich) durchgeführt wurde.

• Studienpopulation: 42 Patienten mit chronischen Wunden (Größe 4–150 cm²). Nach Ausschluss von 6 Patienten (komplexe Wundgeometrien oder undeutliche Ränder) wurden 36 Patienten in die statistische Analyse einbezogen.
• Vergleichsmethoden:
  1. Digitized Planimetry (PL): Der Referenzstandard. Die Wundkontur wurde auf eine transparente Folie gezeichnet, die auf dem Verband lag, und anschließend mit der Software ImageJ digitalisiert vermessen.
  2. Woundtrack (WT): Ein semi-automatisiertes Verfahren. Der Arzt markiert die Wundränder manuell auf dem Smartphone-Bildschirm. Das System nutzt ArUco-Marker (auf einem Aufkleber neben der Wunde) zur Kalibrierung und Entfernungskorrektur.
  3. Woundsize (WS): Ein vollautomatisiertes Verfahren. Ein Deep-Learning-Algorithmus (Convolutional Neural Network, spezifisch ResNet-Architektur) segmentiert die Wundränder automatisch auf dem Bild.
• Durchführung: Zwei unabhängige Experten führten alle Messungen durch.
• Statistische Analyse:
  • Multivariate Varianzanalyse (Friedman-Test, Nemenyi-Post-hoc).
  • Bewertung der Präzision (Reproduzierbarkeit zwischen Experten) mittels Intraklassenkorrelationskoeffizient (ICC).
  • Bewertung der Genauigkeit (Korrelation mit dem Referenzstandard PL) mittels Pearson-Korrelation, linearer Regression und Bland-Altman-Analyse.
  • Analyse von Abweichungen („Non-conformities") definiert als >20% Differenz zum Referenzwert, insbesondere bei kleinen Wunden (<8 cm²).

3. Wichtige Beiträge und Ergebnisse

A. Präzision (Reproduzierbarkeit)

Alle drei Methoden zeigten eine hervorragende Übereinstimmung zwischen den beiden Experten (ICC > 0,9).

• PL (Referenz): ICC = 1,0 (nahezu perfekt).
• Woundtrack (WT): ICC = 0,96.
• Woundsize (WS): ICC = 0,94.
• Ergebnis: Die manuelle Markierung auf dem Smartphone (WT) ist fast so reproduzierbar wie die traditionelle Planimetrie.

B. Genauigkeit (Korrelation mit Referenz)

• Woundtrack (WT): Zeigte eine sehr hohe Korrelation zur Referenz (ICC = 0,96). Die lineare Regression ergab eine Steigung von 1,3, und die Bland-Altman-Analyse zeigte keine systematische Verzerrung (Bias nahe Null).
• Woundsize (WS): Zeigte ebenfalls eine gute Korrelation (ICC = 0,95), jedoch mit einer höheren Variabilität und größeren Abweichungen im Vergleich zu WT.

C. Analyse kleiner Wunden (< 8 cm²)

Bei kleinen Wunden ist der relative Fehler durch kleine Segmenteierungsabweichungen größer.

• Woundtrack: Keine signifikanten Unterschiede in der Varianz oder Verteilung der Abweichungen im Vergleich zur Referenz (PL).
• Woundsize: Zeigte eine signifikant höhere Varianz und Verteilungsunterschiede im Vergleich zur Referenz. Die automatische Segmentierung ist bei kleinen Flächen weniger robust.

D. Ursachenanalyse für Fehler (Qualitative Bewertung)

Eine qualitative Analyse der Segmentierungsfehler bei Woundsize ergab, dass Bildbelichtung der kritischste Faktor ist.

• Über- oder Unterbelichtung reduzierte den Kontrast zwischen Wundrand und gesunder Haut, was zu Fehlern führte.
• Wundkomplexität (Hyperkeratose, Mazeration) oder Fremdkörper hatten keinen signifikanten statistischen Einfluss auf die Fehlerquote.
• Fazit: Das Problem liegt weniger im Algorithmus selbst, sondern in der Qualität der Eingabebilder.

4. Signifikanz und Schlussfolgerungen

Die Studie liefert wichtige Erkenntnisse für die klinische Praxis und die Entwicklung von Wundmanagement-Tools:

1. Woundtrack als gleichwertige Alternative: Das semi-automatisierte Verfahren (WT) ist in Bezug auf Präzision und Genauigkeit der digitalen Planimetrie (Goldstandard) vergleichbar. Es bietet einen erheblichen praktischen Vorteil durch einfache Handhabung und Zeitersparnis und eignet sich hervorragend für das longitudinale Monitoring von Wunden.
2. Empfehlung für Woundsize: Das vollautomatisierte Verfahren (WS) liefert zwar gute Ergebnisse, ist aber weniger konsistent, insbesondere bei kleinen Wunden oder schlechten Lichtverhältnissen. Eine autonome Nutzung wird nicht empfohlen. Stattdessen wird ein kollaborativer Workflow vorgeschlagen: Der Algorithmus schlägt eine Segmentierung vor, und der Kliniker korrigiert und validiert diese („Propose then Clinician: correct and validate").
3. Technische Limitationen: Bei großen Wunden (>60 cm²) oder komplexen, gekrümmten Oberflächen (z. B. im Bereich von Gelenken) können Projektionsverzerrungen bei der fotobasierten Messung auftreten. Eine Kombination aus transparenter Folie und Smartphone-Messung (wie im Anhang getestet) könnte hier eine Lösung bieten.
4. Klinische Relevanz: Die Einführung solcher smartphone-basierter Systeme ermöglicht eine häufigere und genauere Quantifizierung der Wundkinetik, was zu einer optimierten Therapieanpassung (Verbandswechsel, invasive Therapien) führen kann.

Zusammenfassend stellt die Studie fest, dass smartphone-basierte Messungen, insbesondere wenn sie durch manuelle Eingriffe des Arztes (WT) unterstützt werden, eine valide, zuverlässige und praktikable Methode zur Erfassung chronischer Wunden darstellen und den traditionellen, zeitaufwendigen Methoden überlegen sein können.