Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Deep Learning für Osteoporose-Screening auf Routine-Thoraxbildern: Kosteneffektivitätsanalyse

Shi BX et al. · Arch Osteoporos · erschienen 23.10.2026 · PMID 42920040

Von KI ausgewählt und zusammengefasst

Worum es geht

Kosteneffektivitätsanalyse eines Deep Learning-Modells zur opportunistischen Osteoporose-Detektion auf vorhandenen Thorax-Röntgenbildern bei postmenopausalen Frauen in Taiwan, unter Berücksichtigung von Diagnostic Performance, Bestätigungstestung und Therapieeinleitung.

Ergebnis

Im Basisszenario mit vollständigem Behandlungspfad war KI-Screening kosteneffektiv (ICER 21.827 USD pro QALY, unterhalb Taiwan-Schwellwert). Wirtschaftlicher Nutzen entstanden bei Osteoporose-Prävalenz >14,3%, optimale Sensitivität 86,6%, Spezifität 76,3%. In realen Taiwanese Daten sank der Wert jedoch erheblich.

Übertragbarkeit auf Deutschland

Auf Deutschland übertragbar: Erfolg hängt von Vollständigkeit der Post-Screening-Versorgungspfade ab, nicht von Modellperformance allein.

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.