🧬 biology

Semi-automated sex estimation from cochlear shape using clinical CT imaging and OTOPLAN segmentation

Diese Studie zeigt, dass eine halbautomatisierte Pipeline unter Verwendung klinischer CT-Scans und OTOPLAN-Segmentierung durch die Analyse von Cochlea-Formdeskriptoren eine moderate Genauigkeit (79 %) bei der Geschlechtsschätzung erreichen kann, was eine zerstörungsfreie und skalierbare Alternative für die forensische Anthropologie darstellt, wenn traditionelle skelettale Methoden nicht verfügbar sind.

Ursprüngliche Autoren: Priya VISHNUMURTHY, Mary DAVAL, Luke HELPARD, Ismael OUZZINE, Ralph HADDAD, Nikola IVANOVIC, Vincent JOURDES, Justin MICHEL, Stéphane GARGULA

Veröffentlicht 2026-07-07

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Priya VISHNUMURTHY, Mary DAVAL, Luke HELPARD, Ismael OUZZINE, Ralph HADDAD, Nikola IVANOVIC, Vincent JOURDES, Justin MICHEL, Stéphane GARGULA

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind ein Detektiv, der versucht, ein Rätsel zu lösen, aber der einzige Hinweis, der Ihnen geblieben ist, ist eine winzige, harte, spiralförmige Schale, die tief in einem Schädel verborgen liegt. Diese Schale ist die Cochlea, der Teil Ihres Innenohrs, der Ihnen beim Hören hilft. Normalerweise schauen Forensiker (die „Detektive der Toten“), wenn sie feststellen wollen, ob ein Skelett einem Mann oder einer Frau gehörte, auf große Knochen wie das Becken oder den Schädel. Aber was, wenn diese großen Knochen fehlen, verbrannt oder zerbrochen sind? Genau hier setzt diese Studie an.

Hier ist eine einfache Aufschlüsselung dessen, was die Forscher getan haben, unter Verwendung einiger Alltagsanalogien:

Die große Idee: Die „Ohrenschale“ hat ein Geheimnis

Die Forscher wollten sehen, ob sie das Geschlecht einer Person allein durch den Blick auf die Form ihrer Cochlea erraten könnten. Denken Sie an die Cochlea wie an eine Schneckenhaus. Auch wenn alle Schneckenhäuser in etwa gleich aussehen, könnte man bei sehr genauer Messung feststellen, dass männliche Gehäuse etwas größer sind oder sich etwas anders winden als weibliche Gehäuse.

Die Herausforderung? Dies manuell zu machen, ist so, als würde man versuchen, ein Schneckenhaus mit einem Lineal zu messen, während es in einem Glas rotiert. Es ist langsam, schwierig und erfordert ein Mikroskop (oder einen sehr hochtechnisierten Scanner).

Das neue Werkzeug: Der „Roboter-Messer“

Anstatt es von Hand zu machen, nutzte das Team eine Software namens OTOPLAN.

Was es ist: Stellen Sie sich einen Roboter vor, der automatisch die Umrisse der Schneckenhaus auf einem Computerbildschirm nachzeichnet. Es wurde ursprünglich entwickelt, um Ärzten bei der Planung von Implantaten im Ohr zu helfen, aber die Forscher erkannten, dass es auch verwendet werden kann, um die Form der Schale für ihr Rätsel zu messen.
Der Prozess: Sie nahmen CT-Scans (wie 3D-Röntgenbilder) von 87 Ohren von Erwachsenen. Die Software zeichnete automatisch den „Pfad“ der Cochlea nach und maß ihre Größe sowie die Art und Weise, wie sie sich wand.

Das Experiment: Einem Computer das Raten beibringen

Die Forscher fütterten ein Computerprogramm (ein „Machine-Learning“-Modell) mit diesen Daten. Denken Sie daran wie beim Training eines Hundes, der zwischen zwei Arten von Bällen unterscheiden soll.

Das Training: Sie zeigten dem Computer tausende Beispiele von männlichen und weiblichen Cochleae.
Der Test: Dann gaben sie dem Computer eine neue Gruppe von Ohren, die er noch nie gesehen hatte, und fragten: „Ist das ein Mann oder eine Frau?“

Was sie herausfanden

Der Computer hatte in etwa 79 % der Fälle recht.

Der „magische Hinweis“: Das wichtigste Merkmal, auf das der Computer achtete, war der Durchmesser (wie breit die Schale ist). Männliche Gehäuse waren im Allgemeinen breiter.
Der „Windungs“-Hinweis: Der zweitwichtigste Hinweis war das Verhältnis von Windung zu Biegung. Es geht nicht nur um die Größe; es geht darum, wie sich die Schale krümmt.
Der Haken: Wenn sie nur die Größe (den Durchmesser) betrachteten und die Form ignorierten, wurde der Computer verwirrt und scheiterte beim Test an neuen Personen. Es war wie ein Schüler, der die Antworten einer Übungsprüfung auswendig gelernt hat, aber keine neue Aufgabe lösen kann. Sie brauchten sowohl die Größe als auch die Form, um es richtig zu machen.

Warum dies wichtig ist (laut der Arbeit)

Die Arbeit betont, dass diese Methode kein Zauberstab ist, der jedes Problem perfekt lösen wird.

Es ist ein „Plan B“: Sie ist für jene schwierigen Fälle konzipiert, in denen die üblichen Hinweise (Becken, Schädel) fehlen. Wenn man nur ein Stück des Gebeins übrig hat, liefert diese Methode eine bessere als zufällige Vermutung.
Es ist zerstörungsfrei: Man muss den Knochen nicht zerbrechen, um hineinzusehen. Man scannt ihn einfach.
Es ist schnell und reproduzierbar: Da ein Roboter die Messungen durchführt, kann jeder dies nutzen, und man wird jedes Mal das gleiche Ergebnis erhalten.

Das Fazit

Die Forscher haben bewiesen, dass man einen Standard-Krankenhaus-CT-Scan und eine Roboter-Software verwenden kann, um das Geschlecht einer Person basierend auf der Form ihres Innenohrs zu erraten. Es ist nicht perfekt (es ist etwa 8 von 10 korrekt), aber in einer Situation, in der man fast keine anderen Hinweise hat, ist ein Ergebnis von 80 % ein sehr hilfreiches Werkzeug für den Detektiv.

Wichtiger Hinweis: Die Arbeit bezeichnet dies ausdrücklich als einen „Proof of Concept“. Sie zeigt, dass die Methode in einem kontrollierten Umfeld funktioniert, aber sie ist als zusätzliches Werkzeug neben anderen Methoden gedacht, nicht als der einzige Weg, jemanden zu identifizieren.

Technisches Resümee: Semi-automatisierte Geschlechtsschätzung anhand der Cochlea-Form

Problemstellung
Die Geschlechtsschätzung ist ein Eckpfeiler der forensischen Anthropologie und Bioarchäologie, doch klassische Methoden, die sich auf das Becken und den Schädel stützen, sind oft nicht anwendbar, wenn Überreste fragmentiert, vermischt oder degradiert sind. Der Felsenbeinteil des Temporals, insbesondere das knöcherne Labyrinth innerhalb dessen, bietet eine resiliente Alternative aufgrund seiner hohen Dichte und frühen Reifung. Während frühere Forschungen gezeigt haben, dass die Form der Cochlea ein geschlechtsspezifisches Signal trägt, beruhen bestehende hochpräzise Methoden (z. B. von Braga et al., 2019) auf hochauflösender Bildgebung, manueller oder semi-manueller Segmentierung und komplexer geometrischer Morphometrie. Diese Anforderungen schränken ihre routinemäßige Anwendbarkeit in forensischen und klinischen Arbeitsabläufen ein. Die durch diese Studie adressierte Herausforderung besteht darin, zu bestimmen, ob eine Geschlechtsschätzung mittels einer semi-automatisierten Pipeline möglich ist, die mit standardmäßiger klinischer CT-Bildgebung und automatisierten Segmentierungswerkzeugen kompatibel ist, ohne die Robustheit zu beeinträchtigen.

Methodik
Die Studie verwendete eine retrospektive Analyse von 139 Cochleae von 87 erwachsenen Individuen mit bekanntem biologischem Geschlecht, die mittels routinemäßiger klinischer CT-Scans (Schichtdicke $\le$ 0,6 mm) erfasst wurden. Die analytische Pipeline bestand aus den folgenden Phasen:

Datenextraktion: Die Cochlea-Segmentierung wurde mit OTOPLAN durchgeführt, einer kommerziellen Softwareplattform für die Planung von Cochlea-Implantaten. Für jedes Ohr exportierte das System:
- Einen 3D-Lateralwandpfad, repräsentiert durch 400 Landmarken.
- Sechs skalare Metriken: Cochlea-Durchmesser, Breite, Höhe, geschätzte Länge des Cochleakanals (CDL), CDL ab 0 und die Anzahl der Windungen.
Vorverarbeitung:
- Linke Cochlea-Kurven wurden gespiegelt, um eine einheitliche Rotationsrichtung zu gewährleisten.
- Kurven wurden zu ihrem Schwerpunkt transloziert und durch die Gesamtnorm skaliert, um die Form von Größe und Position zu isolieren.
- Ausreißer wurden mittels Hauptkomponentenanalyse (PCA) entfernt.
- Die Daten wurden auf Patientenebene aufgeteilt (80 % Training, 20 % Holdout), um Datenleckagen zu verhindern, wobei sichergestellt wurde, dass beide Ohren eines Patienten in derselben Partition verbleiben.
Feature Engineering:
- Geometrische Deskriptoren: Die normalisierte Kurve wurde in 19 Segmente unterteilt. Krümmung ( $\kappa$ ) und Torsion ( $\tau$ ) wurden berechnet, ebenso wie deren Verhältnis ( $\tau/\kappa$ ). Zu den Deskriptoren gehörten Mittelwert, Standardabweichung und Bogenlängenintegrale für jedes Segment.
- Skalare Metriken: Die sechs von OTOPLAN abgeleiteten skalaren Variablen wurden beibehalten.
Modelloptimierung:
- Ein Bayesianisches Optimierungsframework (Optuna) wurde verwendet, um die Vorverarbeitungswahl, die Feature-Konstruktion und die Hyperparameter der Klassifikation gemeinsam zu optimieren.
- Das Ziel war die Maximierung der Fläche unter der ROC-Kurve (AUC-ROC) mittels 5-facher Kreuzvalidierung auf dem Trainingsdatensatz.
- Es wurden drei Modellkonfigurationen getestet: nur skalare Metriken, nur geometrische Deskriptoren und ein kombinierter Ansatz.
Klassifikation: Das finale Modell war ein XGBoost-Klassifikator, der auf dem kombinierten Feature-Satz trainiert und einmalig auf dem unabhängigen Holdout-Datensatz ( $n=29$ ) evaluiert wurde.

Zentrale Ergebnisse

Univariante Analyse: Es wurden signifikante Geschlechtsunterschiede in vier skalaren Metriken (insbesondere im Cochlea-Durchmesser, $r=0,43$ ) und zehn Krümmungs-/Torsions-Deskriptoren gefunden. Die Effektstärken waren jedoch generell gering bis moderat, und die Verteilungen zeigten erhebliche Überlappungen, was darauf hindeutet, dass keine einzelne Metrik für eine individuelle Klassifikation ausreicht.
Modellleistung:
- Das skalar-basierte Modell zeigte eine deutliche Überanpassung (Kreuzvalidierungs-AUC 0,82 $\rightarrow$ Holdout-AUC 0,59).
- Das geometrie-basierte Modell generalisierte besser (Holdout-AUC 0,69).
- Das kombinierte Modell (XGBoost) erreichte die beste Leistung auf dem unabhängigen Holdout-Datensatz:
  - AUC-ROC: 0,77 (95 % KI: 0,55–0,95).
  - Gesamtgenauigkeit (Accuracy): 79,3 %.
  - Balancierte Genauigkeit (Balanced Accuracy): 79,1 %.
Feature-Wichtigkeit: Eine Permutations-Wichtigkeitsanalyse ergab, dass der Cochlea-Durchmesser das dominante Merkmal war. Das $\tau/\kappa$ -Verhältnis über mehrere Spiralsegmente hinweg lieferte das sekundäre, komplementäre geometrische Signal. Das Modell stützte sich auf Größeninformationen, benötigte jedoch den geometrischen Kontext, um Überanpassung zu vermeiden.

Bedeutung und Ansprüche
Die Autoren positionieren diese Arbeit als Proof of Concept, der zeigt, dass geschlechtsspezifische Informationen der Cochlea-Form aus routinemäßigen klinischen CT-Daten unter Verwendung einer semi-automatisierten, reproduzierbaren Pipeline extrahiert werden können. Die Studie beansprucht folgende Bedeutung:

Klinische und forensische Kompatibilität: Im Gegensatz zu früheren hochpräzisen Methoden, die Mikro-CT oder manuelle Segmentierung erfordern, nutzt dieser Ansatz Standard-Klinik-CT und automatisierte Software (OTOPLAN), was die Methode skalierbar und nicht-destruktiv macht.
Ergänzender Nutzen: Die Autoren geben explizit an, dass die moderate Genauigkeit (ca. 79 %) nicht ausreicht, um diese Methode als eigenständiges Werkzeug zur Identifizierung von Einzelpersonen einzusetzen. Stattdessen wird sie als wertvolles Addendum für die biologische Profilierung in Fällen vorgeschlagen, in denen das Felsenbein das einzige überlebende Element ist (z. B. Brandopfer, Massensterbefall oder degradierte Überreste).
Nicht-destruktiver Workflow: Die Methode bewahrt die Probe für nachfolgende Gentests, die in hochgradig degradierten Fällen den Goldstandard für die Identifizierung darstellen.
Zukünftiges Potenzial: Die Autoren deuten an, dass die Leistung durch eine höhere Auflösung (z. B. Cone-Beam-CT oder Photon-Counting-CT) verbessert werden könnte und dass die aktuellen Ergebnisse eine Untergrenze unter gegenwärtigen klinischen Bildgebungsbedingungen darstellen.

Die Studie kommt zu dem Schluss, dass die Methode zwar etablierte forensische Techniken nicht ersetzen kann, aber einen praktikablen, nicht-invasiven probabilistischen Indikator für die Geschlechtsschätzung in anspruchsvollen forensischen Kontexten bietet, in denen konventionelle Skelettmarker fehlen.