Im Krankenhausalltag ist die Dokumentation von Wunden Standard. Im Journal of Digital Imaging (2021) ist jetzt eine Studie erschienen, die eine software-basierte Methode zur automatischen Segmentation und Vermessung von Wunden auf Fotos durch Mask R-CNN validiert hat. An der Studie beteiligt waren neben anderen Forschern auch Dr. Michael Müller (CEO, mbits) sowie Hannah Syrek (ehem. Head of Research & Developement, mbits).

Die bisher in Krankenhäusern vorherrschende manuelle Wunddokumentation ist zeitaufwändig und häufig nicht sehr präzise. Aus diesem Grund wurde eine digitale Lösung entwickelt, deren Leistungsfähigkeit durch die Studie überprüft werden sollte. Dafür wurde ein Datensatz von medizinischen Experten in einem Intervall von einem Monat an zwei unterschiedlichen Zeitpunkten manuell segmentiert. Dieser aus 35 Wundfotografien bestehende Datensatz wurde parallel dazu auch automatisch segmentiert, wobei das Mask R-CNN eingesetzt wurde. Die dabei entstehenden Segmentationsergebnisse wurden verglichen und statistisch evaluiert.

In beiden Auswertungsrunden konnten sowohl bei der manuellen Segmentierung durch die Experten als auch bei der automatischen Segmentierung keine statistisch signifikanten Unterschiede festgestellt werde. Zwischen den unterschiedlichen Experten konnten jedoch leichte Unterschiede in der Qualität der Segmentation festgestellt werden, wohingegen das Mask R-CNN kontinuierlich eine identische Segmentierung lieferte.

Dies führt zu dem Schluss, dass die Nutzung der software-basierten Methode den Dokumentationsprozess beschleunigen und die Beständigkeit der gemessenen Werte bei gleichbleibender Qualität und Präzision optimieren kann.

Die vollständige Studie finden Sie hier.