🧬 biology

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

Deze studie toont aan dat een semi-geautomatiseerde pijplijn met behulp van klinische CT-scans en OTOPLAN-segmentatie een matige nauwkeurigheid (79%) kan bereiken bij geslachtsbepaling door het analyseren van cochleaire vormbeschrijvers, wat een niet-destructief en schaalbaar alternatief biedt voor de forensische antropologie wanneer traditionele skeletmethoden niet beschikbaar zijn.

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

Gepubliceerd 2026-07-07

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

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

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

Stel je voor dat je een detective bent die een mysterie probeert op te lossen, maar het enige spoor dat je nog hebt, is een klein, hard, spiraalvormig schelletje dat diep in een schedel verborgen zit. Dit schelletje is de cochlea, het deel van je binnenoor dat je helpt horen. Normaal gesproken kijken forensische experts (de "detectives van de doden") naar grote botten zoals het bekken of de schedel om te bepalen of een skelet van een man of een vrouw was. Maar wat als die grote botten ontbreken, verbrand of gebroken zijn? Dat is waar deze studie over gaat.

Hier is een eenvoudige uitsplitsing van wat de onderzoekers hebben gedaan, met behulp van alledaagse analogieën:

Het Grote Idee: Het "Oorschelpje" Heeft een Geheim

De onderzoekers wilden zien of ze het geslacht van een persoon konden raden door alleen naar de vorm van hun cochlea te kijken. Denk aan de cochlea als een slakkenhuisje. Hoewel alle slakkenhuisjes er ongeveer hetzelfde uitzien, kun je als je ze heel nauwkeurig meet, ontdekken dat mannelijke huisjes iets groter zijn of net iets anders draaien dan vrouwelijke huisjes.

De uitdaging? Dit handmatig doen is alsoals proberen een slakkenhuisje met een liniaal te meten terwijl het in een pot ronddraait. Het is traag, moeilijk en vereist een microscoop (of een zeer geavanceerde scanner).

Het Nieuwe Instrument: De "Robot-meter"

In plaats van het met de hand te doen, gebruikte het team een softwareprogramma genaamd OTOPLAN.

Wat het is: Stel je een robot voor die automatisch de omtrek van het slakkenhuisje op een computerscherm traceert. Het werd oorspronkelijk gebouwd om artsen te helpen bij het plannen van gehoorimplantaten, maar de onderzoekers realiseerden zich dat het ook gebruikt kon worden om de vorm van het huisje te meten voor hun mysterie.
Het Proces: Ze namen CT-scans (zoals 3D X-ray's) van 87 oren van volwassenen. De software traceerde automatisch het "pad" van de cochlea en mat de grootte en de mate van draaiing.

Het Experiment: Een Computer Leren Raden

De onderzoekers voerden deze gegevens in een computerprogramma (een "machine learning"-model). Denk hierbij aan het leren aan een hond om twee verschillende soorten ballen te onderscheiden.

De Training: Ze lieten de computer duizenden voorbeelden van mannelijke en vrouwelijke cochleae zien.
De Test: Vervolgens gaven ze de computer een nieuwe set oren die hij nog nooit eerder had gezien en vroegen: "Is dit een man of een vrouw?"

Wat Ze Vonden

De computer had het ongeveer 79% van de tijd goed.

De "Magische Aanwijzing": Het belangrijkste waar de computer naar keek, was de diameter (hoe breed het huisje is). Mannelijke huisjes waren over het algemeen breder.
De "Draai"-Aanwijzing: De tweede belangrijkste aanwijzing was de ratio tussen draaien en buigen. Het gaat niet alleen om de grootte; het gaat om hoe het huisje kromt.
De Valkuil: Als ze alleen naar de grootte (de diameter) keken en de vorm negeerden, raakte de computer in de war en faalde hij bij het testen op nieuwe mensen. Het was alsof een student de antwoorden op een oefentoets uit het hoofd had geleerd, maar niet in staat was om een nieuwe opgave op te lossen. Ze hadden zowel de grootte als de vorm nodig om het goed te doen.

Waarom Dit Belangrijk Is (Volgens het Papier)

Het artikel benadrukt dat deze methode geen toverstaf is die elk geval perfect zal oplossen.

Het is een "Back-up Plan": Het is ontworpen voor die moeilijke gevallen waarin de gebruikelijke aanwijzingen (bekken, schedel) verdwenen zijn. Als je alleen nog een stukje van het bot over hebt, geeft deze methode je een betere dan willekeurige gok.
Het is Niet-Destructief: Je hoeft het bot niet te breken om ernaar te kijken. Je scant het gewoon.
Het is Snel en Herhaalbaar: Omdat een robot de metingen doet, kan iedereen het gebruiken en zullen ze elke keer hetzelfde resultaat krijgen.

De Kern van het Verhaal

De onderzoekers hebben bewezen dat je een standaard ziekenhuis CT-scan en een robotsoftware kunt gebruiken om het geslacht van een persoon te raden op basis van de vorm van hun binnenoor. Het is niet perfect (het is ongeveer 8 van de 10 keer correct), maar in een situatie waarin je bijna geen andere aanwijzingen hebt, is 80% correct zijn een zeer nuttig hulpmiddel voor de detective.

Belangrijke Opmerking: Het papier stelt expliciet dat dit een "proof of concept" is. Het laat zien dat de methode werkt in een gecontroleerde omgeving, maar het is bedoeld om te worden gebruikt als een aanvullend hulpmiddel naast andere methoden, en niet als de enige manier om iemand te identificeren.

Technische Samenvatting: Semi-geautomatiseerde Geschatte Geslachtsbepaling op basis van Cochleaire Vorm

Probleemstelling
Geschatte geslachtsbestemming is een hoeksteen van de forensische antropologie en bioarcheologie, maar klassieke methoden die steunen op het bekken en de schedel zijn vaak niet toepasbaar wanneer resten gefragmenteerd, vermengd of gedegradeerd zijn. Het petreuze deel van het temporale bot, en specifiek het benige labyrint daarin, biedt een veerkrachtig alternatief vanwege de hoge dichtheid en vroege rijping. Hoewel eerder onderzoek heeft aangetoond dat de vorm van de cochlea een geslachts-specifiek signaal bevat, vertrouwen bestaande methoden met een hoge nauwkeurigheid (bijv. die van Braga et al., 2019) op hoogwaardige beeldvorming, handmatige of semi-handmatige segmentatie en complexe geometrische morfometrie. Deze vereisten beperken de routinematige toepasbaarheid in forensische en klinische workflows. De uitdaging die deze studie aanpakt, is bepalen of geslachtsbestemming kan worden bereikt met een semi-geautomatiseerde pipeline die compatibel is met standaard klinische CT-beelden en geautomatiseerde segmentatietools, zonder dat dit ten koste gaat van de robuustheid.

Methodologie
De studie maakte gebruik van een retrospectieve analyse van 139 cochleae van 87 volwassenen met een bekende biologische geslachtsidentiteit, verkregen via routinematige klinische CT-scans (snijdikte $\le$ 0,6 mm). De analytische pipeline bestond uit de volgende fasen:

Data-extractie: De cochleaire segmentatie werd uitgevoerd met behulp van OTOPLAN, een commercieel softwareplatform ontworpen voor de planning van cochleaire implantaten. Voor elk oor exporteerde het systeem:
- Een 3D-laterale wandpad gerepresenteerd door 400 landmarks.
- Zes scalaire metrieken: cochleaire diameter, breedte, hoogte, geschatte cochleaire ductlengte (CDL), CDL vanaf 0, en het aantal windingen.
Preprocessing:
- Linker cochleaire curven werden gespiegeld om een uniforme rotatierichting te waarborgen.
- Curven werden naar hun zwaartepunt getranslateerd en geschaald door de totale norm om vorm te isoleren van grootte en positie.
- Outliers werden verwijderd via Principale Componenten Analyse (PCA).
- De data werd op patiëntniveau gesplitst (80% training, 20% holdout) om datalekken te voorkomen, waarbij beide oren van een enkele patiënt in dezelfde partitie bleven.
Feature Engineering:
- Geometrische descriptoren: De genormaliseerde curve werd verdeeld in 19 segmenten. Kromming ( $\kappa$ ) en torsie ( $\tau$ ) werden berekend, samen met hun ratio ( $\tau/\kappa$ ). De descriptoren omvatten het gemiddelde, de standaarddeviatie en booglengte-integralen voor elk segment.
- Scalaire metrieken: De zes door OTOPLAN afgeleide scalaire variabelen werden behouden.
Modeloptimalisatie:
- Een Bayesiaans optimalisatiekader (Optuna) werd gebruikt om preprocessing-keuzes, feature-constructie en classificatiehyperparameters gezamenlijk te optimaliseren.
- Het doel was om de Area Under the ROC Curve (AUC-ROC) te maximaliseren via 5-voudige kruisvalidatie op de trainingsset.
- Drie modelconfiguraties werden getest: enkel scalaire metrieken, enkel geometrische descriptoren, en een gecombineerde aanpak.
Classificatie: Het uiteindelijke model was een XGBoost-classifier, getraind op de gecombineerde feature set en geëvalueerd op de onafhankelijke holdout-set ( $n=29$ ).

Belangrijkste Resultaten

Univariante Analyse: Significante geslachtsverschillen werden gevonden in vier scalaire metrieken (met name de cochleaire diameter, $r=0.43$ ) en tien krommings/torsie-descriptoren. De effectgroottes waren echter over het algemeen klein tot matig, en de distributies vertoonden substantiële overlap, wat aangeeft dat geen enkele metriek voldoende is voor individuele classificatie.
Modelprestaties:
- Het alleen op scalaire metrieken gebaseerde model vertoonde duidelijke overfitting (Cross-Validated AUC 0,82 $\rightarrow$ Holdout AUC 0,59).
- Het alleen op geometrie gebaseerde model generaliseerde beter (Holdout AUC 0,69).
- Het gecombineerde model (XGBoost) behaalde de beste prestaties op de onafhankelijke holdout-set:
  - AUC-ROC: 0,77 (95% BI: 0,55–0,95).
  - Algehele nauwkeurigheid: 79,3%.
  - Gebalanceerde nauwkeurigheid: 79,1%.
Feature Belangrijkheid: Een permutatie-belangrijkheidsanalyse toonde aan dat de cochleaire diameter de dominante feature was. De $\tau/\kappa$ -ratio over verschillende spiraalse segmenten leverde het secundaire, complementaire geometrische signaal. Het model vertrouwde op grootte-informatie, maar had geometrische context nodig om overfitting te voorkomen.

Betekenis en Claims
De auteurs positioneren dit werk als een proof of concept die aantoont dat geslachtsgerelateerde informatie over de cochleaire vorm kan worden teruggewonnen uit routinematige klinische CT-data met behulp van een semi-geautomatiseerde, reproduceerbare pipeline. De studie claimt de volgende betekenis:

Klinische en Forensische Compatibiliteit: In tegenstelling tot eerdere hoog-nauwkeurige methoden die micro-CT of handmatige segmentatie vereisen, maakt deze aanpak gebruik van standaard klinische CT en geautomatiseerde software (OTOPAN), waardoor het schaalbaar en niet-destructief is.
Aanvullende Nut: De auteurs stellen expliciet dat de matige nauwkeurigheid (ongeveer 79%) niet ondersteunt dat deze methode als een zelfstandig instrument voor individuele identificatie kan worden gebruikt. In plaats daarvan wordt het voorgesteld als een waardevolle aanvulling voor biologische profilering in gevallen waarin het petreuze bot het enige overgebleven element is (bijv. slachtoffers van brand, massale sterfte-incidenten of gedegradeerde resten).
Niet-destructieve Workflow: De methode behoudt het specimen voor daaropvolgende genetische tests, die de gouden standaard blijven voor identificatie in zeer gedegradeerde gevallen.
Toekomstig Potentieel: De auteurs suggereren dat de prestaties kunnen verbeteren met hogere-resolutie beeldvorming (bijv. Cone-Beam CT of Photon-Counting CT) en dat de huidige resultaten een ondergrens vormen onder hedendaagse klinische beeldvormingsomstandigheden.

De studie concludeert dat hoewel de methode de gevestigde forensische technieken niet kan vervangen, zij een levensvatbare, niet-invasieve probabilistische indicator biedt voor geschatte geslachtsbestemming in uitdagende forensische contexten waar conventionele skeletmarkers ontbreken.