📄 radiology and imaging

Agreement of an AI tool for joint space width measurement in radiographic knee osteoarthritis: data from the LOSEIT trial

Deze studie presenteert een secundaire analyse van de LOSEIT-trialgegevens, ontworpen om de overeenstemming en equivalentie te evalueren tussen een commercieel beschikbare AI-tool en metingen van deskundige radiologen van de gewrichtsspleetbreedte op gewichtsbelaste, gefixeerde flexieknie-röntgenfoto's van patiënten met artrose.

Oorspronkelijke auteurs: Mayar, S., Henriksen, M., Christensen, R., Hansen, P., Bliddal, H., Nybing, J. U., Nielsen, C. T., Gudbergsen, H., Boesen, M. P., Brejnbol, M. W.

Gepubliceerd 2026-06-12

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Mayar, S., Henriksen, M., Christensen, R., Hansen, P., Bliddal, H., Nybing, J. U., Nielsen, C. T., Gudbergsen, H., Boesen, M. P., Brejnbol, M. W.

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

Het Grote Plaatje: Een "Dubbelcheck" voor Knie Röntgenfoto's

Stel je voor dat je een zeer dure, hoogtechnologische robot hebt (de AI-tool) die beweert de kleine ruimte tussen de botten in je knie net zo goed te kunnen meten als een hoogopgeleide menselijke arts (de radioloog).

Dit artikel gaat niet over het testen van een nieuw medicijn of een nieuwe behandeling. In plaats daarvan is het een kwaliteitscontrole. De onderzoekers willen weten: Als de robot de ruimte meet, krijgt hij dan hetzelfde antwoord als de menselijke expert?

Ze gebruiken gegevens van een eerdere studie genaamd LOSEIT, waarbij mensen met kniepijn aan het begin en een jaar later een röntgenfoto van hun knie hebben laten maken.

Het Probleem: Het Meten van de Onzichtbare Ruimte

Beschouw de ruimte tussen je kniebotten (de Gewrichtsruimte) als de lucht tussen twee planken. In een gezonde knie is er een mooie kussentje van kraakbeen dat de botten uit elkaar houdt. Bij artrose slijt dit kussentje weg en wordt de ruimte kleiner.

De Uitdaging: Het meten van deze ruimte op een röntgenfoto is lastig. Het is alsof je probeert de breedte van een schaduw te meten met een liniaal. Als je je hoofd een klein beetje kantelt of de lichtbron verplaatst, ziet de schaduw er anders uit.
De Menselijke Manier: Traditioneel kijkt een arts naar de röntgenfoto en trekt lijnen om deze ruimte te meten. Maar mensen worden moe en twee verschillende artsen kunnen dezelfde foto net iets anders meten.
De Robotische Manier: De nieuwe AI-tool gebruikt een computerprogramma om die lijnen automatisch te tekenen. De robot wordt nooit moe en is bedoeld om perfect consistent te zijn.

Het Doel: De "Tie-Breaker" Test

De onderzoekers zetten een wedstrijd op tussen de AI-robot en de Menselijke Artsen.

De Referentiestandaard (De Rechters): Om te beslissen wie er "gelijk" heeft, gebruiken ze niet slechts één arts. Ze gebruiken twee artsen in opleiding om elke röntgenfoto onafhankelijk te meten.
- Als de twee artsen het met elkaar eens zijn (hun metingen liggen binnen 0,4 mm van elkaar), nemen ze het gemiddelde.
- Als ze te veel van mening verschillen, grijpt een ervaren expert-arts (de "Hoofdrechter") in om de definitieve beslissing te nemen.
- Analogie: Denk hierbij aan een sportrechter. Als twee lijnd rechters het oneens zijn over of een bal "in" of "uit" was, neemt de hoofdrechter de uiteindelijke beslissing.
De Index Test (De Deelnemer): De AI-tool meet exact dezelfde röntgenfoto's.
De Vergelijking: Ze vergelijken de verandering in de grootte van de ruimte. Is de ruimte gedurende het jaar kleiner geworden?
- Als de AI zegt dat de ruimte met 0,5 mm is gekrompen, en de Menselijke Rechters zeggen dat de ruimte met 0,5 mm is gekrompen, dan zijn ze het eens.
- Als de AI zegt dat het 0,1 mm is en de Mensen zeggen dat het 0,9 mm is, dan zijn ze het oneens.

De Regels van het Spel (De "Groene Zone")

De onderzoekers hebben een specifieke regel vastgesteld voor wat "goed genoeg" is.

Ze hebben een onzichtbare Groene Zone rond de menselijke metingen getekend. Deze zone is 0 0,5 mm breed (plus of minus).
Het Doel: Ze willen bewijzen dat de metingen van de AI binnen deze Groene Zone vallen.
De Test: Ze zullen een speciale statistische methode gebruiken (de Bland-Altman methode) om een kaart van de verschillen te tekenen.
- Als de "wolk" van verschillen tussen de AI en de Mensen veilig binnen de Groene Zone blijft, slaagt de AI voor de test.
- Als de wolk buiten de Groene Zone uitstroomt, wordt de AI als te onbetrouwbaar beschouwd voor deze specifieke taak.

Waarom doen we dit?

Het artikel legt uit dat hoewel AI snel en consistent is, het soms "gehallucineerd" of bevooroordeeld kan zijn als het alleen getraind is op gegevens van één specifiek ziekenhuis. Deze studie is een externe validatie, wat betekent dat ze de AI testen op echte wereldgegevens uit een andere omgeving om te zien of het daadwerkelijk werkt zoals geadverteerd.

Wat ze zullen rapporteren

Aan het einde van de studie zullen ze een rapport produceren (Tabel 2 in het artikel) dat lijkt op een scorebord:

Het Gemiddelde Verschil: Hoe ver zit de AI gemiddeld af van de mensen?
De Limieten: Wat is het slechtste scenario? (bijv. "De AI kan in het slechtste geval tot 1 mm afwijken").
Het Verdict: Is de AI binnen de Groene Zone gebleven?

Samenvatting

Kortom, dit artikel is een stress-test voor een nieuwe AI-tool. De onderzoekers vragen zich af: "Kan deze robot de krimpend wordende ruimte in een knieröntgenfoto net zo nauwkeurig meten als een team van deskundige menselijke artsen?" Als de robot de test doorstaat (binnen de marge van 0,5 mm blijft), kan het uiteindelijk artsen helpen om knieartrose sneller en consistenter te diagnosticeren. Als de robot faalt, weten we dat we er nog niet op kunnen vertrouwen.

Technische Samenvatting: Overeenkomst van een AI-tool voor het meten van de gewrichtsspleetbreedte bij knieartrose

Probleem en Rationalisatie
Knieartrose (KOA) is een belangrijke oorzaak van invaliditeit, waarbij diagnose en monitoring van progressie vaak steunen op radiografische kenmerken. Hoewel de Kellgren-Lawrence graad de standaard is voor geschiktheid, is de minimale gewrichtsspleetbreedte (mJSW) een cruciale structurele biomarker die wordt gebruikt als eindpunt voor ziekteprogressie en is momenteel een van de weinige beeldvormingsmaten die in de regelgevende richtlijnen voor medicijnontwikkeling wordt geaccepteerd. Hoewel mJSW echter een indirecte maat is die gevoelig is voor technische factoren zoals de hoek van de röntgenstraal en de positionering van de knie, wordt dit om te mitigeren in klinische trials zoals de LOSEIT-trial gebruikgemaakt van apparaten met een vaste flexie.

Historisch gezien vereist het extraheren van deze kenmerken handmatige annotatie door radiologen, een proces dat tijdrovend is en onderhevig is aan interobserver variatie. Hoewel AI-tools die gebruikmaken van diepe neurale netwerken de potentie bieden voor geautomatiseerde, consistente metingen, is hun prestatie in real-world, multicenter settings niet gegarandeerd. Eerdere studies suggereren dat AI-modellen slechter kunnen presteren op data uit ziekenhuizen die verschillen van hun trainingslocaties, wat de noodzaak van externe validatie benadrukt voordat ze klinisch of regelgevend vertrouwen kunnen genieten.

Methodologie
Deze studie is een secundaire analyse van de gegevens uit de LOSEIT-trial, een gerandomiseerde, dubbelblinde, placebo-gecontroleerde trial die de effecten van liraglutide versus placebo op KOA onderzoekt na een periode van gewichtsverlies. De analyse richt zich op de overeenkomst tussen een commercieel beschikbare AI-tool (RBknee-FDA) en een "best practice" radioloog referentiestandaard voor het meten van de gewrichtsspleetbreedte (JSW) in tibiofemorale röntgenfoto's, verkregen bij inschrijving en na 52 weken (60 weken na inschrijving).

Referentiestandaard: De referentie JSW werd vastgesteld door twee onafhankelijke assistent-radiologen die de botoppervlakken van femur en tibia annoteerden met behulp van een digitizer. Als hun metingen minder dan 0,40 mm verschilden, werd het gemiddelde gebruikt. Als het verschil meer dan 0,40 mm bedroeg, werd de casus opnieuw geannoteerd; als de discrepantie aanhield, arbitreerde een senior musculoskeletale radioloog de definitieve waarde.
Index Test: De AI-tool (RBknee-FDA) analyseerde dezelfde röntgenfoto's lokaal als een gecontaineriseerd proces, waarbij de mediale en laterale minimale JSW (mmJSW, lmJSW) en de op een vaste locatie geplaatste JSW (mfJSW, lfJSW) werden gerapporteerd.
Statistisch Kader: De studie maakt gebruik van een equivalentiekader met de Two One-Sided Tests (TOST) benadering. De primaire analyse beoordeelt de overeenkomst van de verandering in JSW (follow-up minus inschrijving) tussen de AI en de referentie.
Equivalentiecriteria: De equivalentiemarge ( $\delta$ ) is vastgesteld op 0,5 mm. Overeenkomst wordt als vastgesteld beschouwd als de bovengrens van de 95% betrouwbaarheidsinterval (BI) voor de bovenste Limit of Agreement (LoA) en de ondergrens van de 95% BI voor de onderste LoA beide binnen de $\pm 0,5$ mm marges vallen.
Aanvullende Analyses: Deze omvatten mixed-effects Bland-Altman analyses op individuele tijdstippen, een analyse waarbij "bone-on-bone" configuraties (waarbij mJSW = 0 mm) zijn uitgesloten, een "naïeve" benadering zonder mixed-effects componenten, en sensitiviteitsanalyses met variërende equivalentiemarges (0,35 mm, 0,70 mm en 0,85 mm).

Belangrijkste Bijdragen en Geplande Outputs
Het artikel schetst een rigoureus Statistische Analyseplan (SAP) dat is ontworpen om de prestaties van een kant-en-klare AI-tool te valideren tegenover een hoogwaardige menselijke referentiestandaard in een gecontroleerde trialsetting. De belangrijkste bijdragen zijn:

Externe Validatie: Het bieden van een onafhankelijke beoordeling van een commercieel beschikbare AI-tool op data uit een specifieke klinische trialcontext, waarmee de kloof tussen regelgevende goedkeuring en real-world prestaties wordt overbrugd.
Equivalentietesten: Het verder gaan dan eenvoudige correlatie om te testen op statistische equivalentie in de verandering van structurele biomarkers, wat de cruciale metriek is voor het monitoren van ziekteprogressie.
Robuuste Referentiestandaard: Het gebruik van een multi-rater adjudicatieproces om menselijke fouten in de referentiestandaard te minimaliseren.
Uitgebreide Metrieken: Het evalueren van niet alleen minimale JSW maar ook vaste-locatie JSW, en specifiek ingaan op de uitdaging van "bone-on-bone" gevallen waar de prestaties van AI historisch zwakker zijn.

Resultaten
Aangezien dit document een Statisch Analyseplan (SAP) is dat is geschreven voorafgaand aan de uitvoering van de analyse (gedateerd juni 2026), bevat het geen empirische resultaten. Het artikel beschrijft de geplande methoden voor het genereren van resultaten, inclusocief de specifieke statistische modellen (Bland-Altman, mixed-effects), de criteria voor het vaststellen van equivalentie en de structuur voor het rapporteren van data (bijv. Tabel 2 voor gemiddelde bias en LoA). De verwachte output is een vaststelling of de veranderingen in de JSW-metingen van de AI-tool statistisch equivalent zijn aan die van het expert-radiologenpanel binnen de vooraf gedefinieerde marge van 0,5 mm.

Betekenis en Claims
Het artikel positioneert deze analyse als een noodzakelijke stap in de validatiepipeline voor AI in de radiologie. Het stelt dat hoewel AI-tools efficiëntie en reproduceerbaarheid bieden, regelgevende goedkeuring geen uniforme prestaties garandeert over verschillende datasets. Door overeenkomst (of het gebrek daaraan) vast te stellen in een rigoureuze trialsetting, beoogt de studie te bepalen of dergelijke tools betrouwbaar kunnen worden gebruikt om structurele progressie bij KOA te meten. De auteurs kaderen het werk bescheiden als een evaluatie van overeenkomst in plaats van een definitief bewijs van klinische bruikbaarheid, waarbij zij opmerken dat de studie een equivalentiekader volgt om te waarborgen dat eventuele verschillen tussen de AI en menselijke lezers klinisch verwaarloosbaar zijn. De succesvolle validatie van een dergelijke tool zou potentieel de tijd van radiologen kunnen vrijmaken en meer consistente metingen kunnen bieden voor toekomstige KOA-trials en medicijnontwikkeling.