Advanced imaging in ankle fractures
Geavanceerde beeldvorming bij enkelfracturen
Dit proefschrift van Jasper Prijs onderzoekt hoe geavanceerde beeldvorming en kunstmatige intelligentie (AI) kunnen bijdragen aan betere diagnostiek, kennis en behandeling van enkelbreuken bij zowel volwassenen als kinderen.
In deel I wordt de inzet van Convolutional Neural Networks (CNN’s) onderzocht. Hoewel CNN’s veelbelovend zijn in het herkennen en classificeren van breuken op röntgenfoto’s en CT-scans, ontbreekt vaak externe validatie, essentieel voor klinische toepasbaarheid. Een eigen ontwikkeld model bleek effectief in het detecteren, classificeren en lokaliseren van fibulafracturen met slechts een klein aantal trainingsdata. Samenwerking met Zweedse onderzoekers toonde het belang van internationale validatie. Ook wordt de klinische integratie van AI besproken, met nadruk op besluitvorming en standaardisatie van zorg.
Deel II richt zich op kinderfracturen, specifiek de triplane breuk. Tegen de klassieke opvatting in blijkt niet de groeischijf, maar ligamentaire structuren bepalend voor het fractuurpatroon. Triplane breuken tonen grote overeenkomsten met volwassen trimalleolaire fracturen, wat wijst op een gedeeld letselmechanisme.
In deel III werd onderzocht welke subtiele factoren de uitkomst na een enkelfractuur beïnvloeden. Hieruit blijkt dat losse intra-articulaire fragmenten op postoperatieve CT-scans, ongeacht grootte, geassocieerd zijn met slechtere functionele uitkomsten na twee jaar.
Het proefschrift onderstreept de meerwaarde van AI en geavanceerde beeldvorming, maar ook het belang van robuuste validatie, begrip van trauma mechanismen en aandacht voor minder zichtbare factoren bij de behandeling van enkelbreuken.