Integration von 3D-Scans mittels Smartphonevideo und KI in den digitalen Workflow für die Herstellung von 3D-gedruckten Orthesen

T. Jacobi
Die Einbindung von 3D-Scans mittels Smartphonevideo und Künstlicher Intelligenz in den digitalen Arbeitsablauf wird eine nachhaltige Transformation der Orthopädietechnik bewirken. Die Kombination von Smartphone-gestützten 3D-Scans und KI-Algorithmen ermöglicht eine schnellere und kosteneffizientere Herstellung von hochpräzisen, individuellen Orthesen. Die Künstliche Intelligenz optimiert nicht nur den Prozess der Modellierung, sondern überwacht auch den 3D-Druck, um die Qualität und Präzision zu optimieren. Diese Technologie ermöglicht eine patientenorientierte Betreuung, die anpassungsfähiger, effizienter und umweltverträglicher ist und somit neue Standards in der Orthopädie etabliert. Dieser Artikel beschreibt allgemeine technologische Entwicklungen und deren potenzielle Anwendungen in der Orthopädietechnik. Der Fokus liegt auf der Darstellung der Vorteile und Herausforderungen moderner 3D-Scan- und KI-Technologien, unabhängig von spezifischen Anbietern oder Produkten.

8. Januar 2025 3D-Scan, Digitalisierung, Künstliche Intelligenz, Photogrammmetrie

KI-generiertes biomechanisches 3D-Skelettmodell einer Hand.

Einleitung

Die Digitalisierung hat einen signifikanten Wandel in der Orthopädietechnik ebenso wie in zahlreichen anderen Bereichen der Medizin und Technik initiiert. Insbesondere 3D-Scantechnologien, 3D-Modellierung und 3D-Druck eröffnen neue Möglichkeiten zur effizienteren und präziseren Gestaltung orthopädischer Hilfsmittel wie Orthesen und Prothesen¹. Traditionelle Methoden, die häufig zeitaufwändig und kostenintensiv sind, werden zunehmend durch digitale Arbeitsabläufe substituiert, die beschleunigte, personalisierte und kosteneffizientere Lösungen ermöglichen.

Diverse 3D-Scantechniken – von stationären Laserscannern bis hin zu tragbaren, handgeführten Geräten – erlauben die Erstellung von hochpräzisen digitalen Abbildungen von Körperteilen. Diese Scans stellen die Basis für die nachfolgende dreidimensionale Modellierung dar, bei der virtuelle Modelle von Orthesen oder Prothesen präzise an die Anatomie des Patienten angepasst werden. Diese Modelle können mittels spezialisierter Software manuell oder automatisiert bearbeitet werden, um eine optimale Passform und Funktionalität zu gewährleisten. In der nachfolgenden Phase wird das virtuelle Modell durch den Einsatz von 3D-Druck in ein physisches Produkt transformiert². Insbesondere hat sich das Schmelzschichtverfahren (FFF) als wirtschaftliche Methode zur Produktion individualisierter medizinischer Produkte zunehmend etabliert.

Ein zentraler Aspekt bei der Auswahl und Entwicklung neuer Technologien ist die Abgrenzung zu bestehenden Lösungen auf dem Markt. Neuere Systeme setzen auf webbasierte Software, die ohne High-end-Hardware auskommen. Im Gegensatz zu herkömmlichen Angeboten, die oft teure Spezialgeräte oder leistungsstarke Computer voraussetzen, ermöglicht diese Technologie die Nutzung einfacher Smartphones für präzise 3D-Scans. Gleichzeitig integrieren sie fortschrittliche durch Künstliche Intelligenz (KI) gestützte Funktionen wie automatisierte Modellierung und fertigungsgerechte Optimierung, wodurch Zeit, Material und Kosten gespart werden. Diese Eigenschaften machen sie zunehmend zu einer praxisorientierten Alternative, die eine größere Anwendergruppe erreichen und die Versorgung mit individuellen Hilfsmitteln verbessern kann.

Die Bedeutung von KI in diesen Prozessen nimmt stetig zu. Die Anwendung von KI-Algorithmen ermöglicht die automatisierte Erstellung und Modifikation von 3D-Modellen. Systeme, die auf Künstlicher Intelligenz basieren, erlauben eine effiziente Analyse von Scandaten, die Identifizierung von Unregelmäßigkeiten und die Erstellung von Korrekturvorschlägen. Darüber hinaus bietet Künstliche Intelligenz ein Potenzial zur Überwachung des 3D-Druckverfahrens, indem sie die Druckqualität in Echtzeit überprüft und bei Abweichungen interveniert. Diese Automatisierung resultiert nicht nur in beschleunigten Arbeitsprozessen, sondern auch in erhöhter Genauigkeit und Konsistenz in der Produktion.

Eine innovative Methode, die diese Technologien weiter voranbringt, ist der Einsatz von 3D-Scans mittels Smartphonevideo. Im Unterschied zu kostspieligen Spezialgeräten erlauben herkömmliche Smartphones, den betroffenen Körperbereich durch die Aufzeichnung eines einfachen 360-Grad-Videos zu scannen. Durch den Einsatz von KI-unterstützter Software werden diese Videodaten in exakte 3D-Modelle transformiert, die anschließend unmittelbar zur Modifikation von Orthesen genutzt werden können. Dieser Vorgang reduziert nicht nur die Ausgaben und verbessert die Zugänglichkeit, sondern beschleunigt auch den gesamten Arbeitsablauf erheblich. Die automatisierte Modellierung und Anpassung durch künstliche Intelligenz fördert zusätzlich die rasche und individuelle Produktion von Orthesen – ein faszinierender Fortschritt in der Orthopädietechnik.

Optimierung von Technologien für dreidimensionale Scans

Der 3D-Scan stellt die Basis für die digitale Erfassung anatomischer Daten dar, die für die Produktion individueller Orthesen erforderlich sind. In der Technik der Orthopädie existieren diverse Verfahren zur Erstellung präziser 3D-Modelle von Körperteilen, die sich in ihrer Funktionsweise, Präzision und Zugänglichkeit unterscheiden³. Die Auswahl der Technologie ist häufig von den Bedürfnissen der Anwendung und den verfügbaren Ressourcen abhängig.

Stationäre 3D-Scanner, die auf strukturiertem Licht oder Lasertechnik beruhen, zählen zu den präzisesten, jedoch auch anspruchsvollsten Systemen. Bei strukturierten Lichtscannern wird ein Lichtmuster auf den Körper projiziert und die Verzerrung des Musters ermöglicht die Ableitung der Form des gescannten Objekts⁴. Im Gegensatz dazu nutzen Laserscanner einen Laserstrahl, um Oberflächen präzise zu messen. Diese stationären Systeme liefern detaillierte 3D-Modelle mit hoher Auflösung und Präzision, sind jedoch kostspielig in der Anschaffung und verlangen, dass der Patient während des Scanprozesses in einer festen Position verbleibt. In der Praxis kann dies häufig unzweckmäßig sein, insbesondere bei unruhigen Patienten oder bei der mobilen Versorgung.

Handgeführte Scanner, die auch strukturiertes Licht oder Lasertechnologie nutzen, stellen eine flexiblere Lösung dar. Sie bieten dem Orthopädietechniker die Möglichkeit, den Scanner um den zu erfassenden Körperbereich zu bewegen und somit den Scanprozess zu regulieren. Dies erweist sich insbesondere bei schwer erreichbaren oder unregelmäßig geformten Körperteilen als vorteilhaft. Allerdings bleiben Handscanner nach wie vor relativ kostspielig und verlangen eine bestimmte Übung im Umgang, um exakte Resultate zu erzielen.

Die Implementierung von Smartphones mit integrierten Tiefensensoren, wie sie beispielsweise in der Apple-Technologie vorhanden sind, hat neue Möglichkeiten für den 3D-Scan eröffnet⁵. Diese Geräte verwenden Tiefeninformationen zur Erfassung der Struktur eines Objekts. Die Präzision dieser Scans ist für zahlreiche Anwendungen hinreichend, jedoch nicht so hoch wie bei spezialisierten Geräten. Darüber hinaus tritt häufig eine Verzerrung des Umfangs von zylindrischen Objekten auf. Diese Technologie erlaubt es den Nutzern, mobile 3D-Scans durchzuführen, jedoch ist der Einsatzbereich häufig auf bestimmte Geräte und Software beschränkt.

Eine weitere, weit verbreitete Methode ist die Photogrammmetrie, die aus einer Vielzahl von zweidimensionalen Bildern ein dreidimensionales Modell generiert⁶ ⁷. Die Erstellung eines detaillierten 3D-Modells erfordert eine erhebliche Menge an Fotos aus diversen Perspektiven. Obgleich die Anwendung der Photogrammmetrie relativ unkompliziert ist und keine kostspielige Spezialhardware erfordert, zeigt sie im Allgemeinen verlängerte Verarbeitungszeiten und eine reduzierte Präzision im Vergleich zu anderen Methoden.

Ein Ansatz der Firma 3D-Medico (Berlin) stellt den Einsatz von KI-gestützten 3D-Scans mittels Smartphonevideo dar. In diesem Verfahren wird ein 360-Grad-Video des zu scannenden Körperbereichs mithilfe eines handelsüblichen Smartphones aufgenommen⁸. Die auf Künstlicher Intelligenz basierende Onlinesoftware untersucht das Full-HD-Video und konvertiert es in wenigen Minuten in ein exaktes 3D-Modell (Abb. 1). Die KI erkennt dabei basierend auf Trainingsdaten die Körperteile, reduziert die Bilddaten auf die nötigen Details für eine schnellere und genauere Verarbeitung und bereinigt das 3D-Modell.

Die Genauigkeit von 3D-Scans mittels Smartphonevideo zeigte sich in ersten Versuchen durch eine hohe Konsistenz sowohl bei der wiederholten Verarbeitung eines einzelnen Videos als auch bei der Erstellung von Modellen aus verschiedenen Aufnahmen desselben Objekts. Bei einer internen Analyse eines Video-3D-Scanprototypen, bei dem 20 Mal dasselbe Video gerendert wurde, betrug die Standardabweichung nur 0,1 mm. Dies deutet auf eine bemerkenswerte Zuverlässigkeit und Präzision bei der Reproduktion der 3D-Modelle hin. Bei der Verwendung von 20 verschiedenen Videos desselben Objekts lag die Standardabweichung bei 0,25 mm, was ebenfalls eine gute Konsistenz belegt, jedoch geringfügige Abweichungen aufgrund normaler Variationen bei der Datenerfassung widerspiegelt. Diese ersten Ergebnisse belegen die Eignung für orthopädische Anwendungen. Um die Aussagekraft zu erweitern, plant 3D-Medico eine Zusammenarbeit mit Universitäten, um weitere Studien und Vergleichstests durchzuführen.

Dieser Ansatz weist einige Vorzüge auf: Er ist kosteneffizient, da er keine kostspieligen Zusatzgeräte erfordert, und aufgrund der weiten Verbreitung von Smartphones ist er nahezu überall anwendbar. Zudem ermöglicht die Videoaufnahme eine intuitive und schnelle Durchführung des Scanprozesses, was die Effizienz im Arbeitsablauf erhöhen kann⁹.

Die Anwendung von Künstlicher Intelligenz im 3D-Scanprozess ermöglicht eine effiziente Analyse der aufgenommenen Daten, indem potenzielle Fehler frühzeitig erkannt und korrigiert werden. Dies sorgt für eine präzise Anpassung der Scans an die anatomischen Gegebenheiten des Patienten und reduziert gleichzeitig den manuellen Aufwand erheblich. Durch die automatisierte Datenbereinigung und Optimierung des Modells gewährleistet die KI eine konstant hohe Qualität der erstellten Scans. Im Vergleich zu herkömmlichen Verfahren, die oft zeitintensive Nachbearbeitungen erfordern, liefert die KI-gestützte Technologie innerhalb kürzester Zeit exakte und verwertbare Ergebnisse. Dabei trägt die Qualität der zugrunde liegenden Trainingsdaten entscheidend zur Präzision und Zuverlässigkeit des Prozesses bei¹⁰.

Trotz der Vorteile der KI-gestützten 3D-Scantechnologie gibt es auch einige Nachteile, die berücksichtigt werden müssen. Die Präzision der erstellten Modelle hängt stark von der Qualität des aufgenommenen Videos sowie der Leistung der eingesetzten KI-Algorithmen ab. Faktoren wie mangelhafte Beleuchtung oder unruhige Kameraführung können zu Abweichungen im Modell führen, was die Genauigkeit und Verwendbarkeit einschränken kann. Zwar lässt sich dies teilweise durch den Einsatz von Scanstoffen kompensieren, jedoch ist die Technologie auf Scans beschränkt, bei denen entweder ausreichend Struktur auf der Haut vorhanden ist oder durch diese Materialien künstlich erzeugt wird (Abb. 2). Dadurch eignet sich das Verfahren nicht für alle Krankheitsbilder oder Patientengruppen. Zusätzlich begrenzt die noch relativ geringe Menge an Trainingsdatensätzen die Präzision der KI, wodurch die Unterstützung in manchen Szenarien eingeschränkt bleibt. Mit zunehmender Menge und Qualität der Trainingsdaten ist jedoch eine Verbesserung der Zuverlässigkeit zu erwarten.

Von der manuellen Gestaltung zur KI-unterstützten Anpassung

Die Modellierung von Orthesen stellt den entscheidenden Prozess zwischen der Erfassung von 3D-Daten und der endgültigen Produktion dar. Traditionsgemäß wird die Modellierung mittels CAD-Software (Computer-Aided Design) durchgeführt, bei der Orthopädietechniker manuell 3D-Modelle generieren oder bestehende Scandaten modifizieren¹¹. Dieses Verfahren verlangt weitreichende Fachkenntnisse sowie Genauigkeit und Erfahrung im Umgang mit der Software. Obwohl manuelle Modellierung Flexibilität bietet, ist sie zeitintensiv und anfällig für menschliche Fehler, insbesondere bei der präzisen Nachbildung komplexer anatomischer Strukturen.

Ein alternatives Verfahren stellt die skriptbasierte Modellierung dar, bei der für bestimmte Modelle vordefinierte Skripte oder Algorithmen genutzt werden¹². In diesem Zusammenhang kann die Software Modelle generieren, die auf vordefinierten Parametern basieren und an standardisierte Patiententypen angepasst sind. Diese Methodik führt zu einer Zeitersparnis, da einzelne Modifikationen nicht manuell durchgeführt werden müssen. Jedoch stoßen skriptbasierte Systeme rasch an ihre Grenzen, insbesondere in Bezug auf die Berücksichtigung individueller anatomischer Besonderheiten oder spezifischer medizinischer Anforderungen. Ein zusätzliches Hindernis ist die Behebung von Haltungsfehlern, die oft bei Patienten mit Fehlstellungen auftreten. Die präzise Bestimmung der korrekten Haltung und Anordnung der Extremitäten stellt eine Herausforderung dar, was zu ungenauen Modellen und suboptimalen Orthesen führen kann.

An diesem Punkt wird die Künstliche Intelligenz zunehmend in der Modellierung von Orthesen zum Einsatz kommen. Einen interessanten Ansatz von 3D-Medico stellt die KI-basierte Korrektur der Haltung durch biomechanische 3D-Skelettmodelle dar. Die Software verwendet das erfasste dreidimensionale Modell des Patienten und stellt es einem virtuellen biomechanischen Skelett gegenüber, welches die gegenwärtigen und optimalen Körperhaltungen und Positionen vorschreibt (Abb. 3). Die Künstliche Intelligenz ist in der Lage, Fehler zu identifizieren und das dreidimensionale Modell gemäß den gegebenen Direktiven zu korrigieren. Dies resultiert in einer signifikant genaueren Anpassung der Orthese an die tatsächliche Körperform und optimiert die Funktionalität und den Tragekomfort erheblich.

Ein weiterer innovativer Ansatz, wie er u. a. von 3D-Medico verfolgt wird, ist die Entwicklung von Orthesensoftware, die auf Künstlicher Intelligenz basiert¹³. Diese Software führt den Nutzer durch den gesamten Prozess der Modellierung, von der Säuberung der Scandaten bis zur abschließenden Modifikation des Modells. Die Software identifiziert automatisch anatomische Merkmale und wesentliche Parameter wie Gelenkpositionen mittels KI-Algorithmen. Die Benutzerschnittstelle ist so konzipiert, dass selbst ohne umfassendes CAD-Verständnis eine individuelle Anpassung der Orthese durchgeführt werden kann.

Ein wesentlicher Vorteil dieser KI-gestützten Modellierungstechniken liegt in der erheblichen Zeitersparnis und der Effizienzsteigerung. Während die manuelle Modellierung oft bis zu mehrere Stunden in Anspruch nimmt, reduziert die Automatisierung den Arbeitsaufwand signifikant auf wenige Minuten. Zudem sorgt die KI für eine konsistente Haltungskorrektur und eine präzise Anpassung des Modells, wodurch die Genauigkeit und die Funktionalität der produzierten Orthesen gesteigert werden. Dies ermöglicht eine schnellere und individuellere Patientenversorgung.

Gleichzeitig müssen jedoch auch die Einschränkungen solcher Systeme berücksichtigt werden. Die Qualität und Präzision der Ergebnisse hängen maßgeblich von der Güte der eingespeisten Daten und der Trainingsalgorithmen ab. Dies bedeutet, dass Fehler in den Ausgangsdaten oder unzureichend trainierte Algorithmen zu ungenauen Modellen führen können, insbesondere bei komplexen anatomischen Strukturen oder spezifischen Fehlstellungen. In solchen Fällen ist häufig eine manuelle Nachbearbeitung erforderlich, um die Orthese den individuellen Bedürfnissen anzupassen. Zudem ist die Funktionalität der Software durch die begrenzte Menge an Trainingsdaten bisher eingeschränkt. Um beispielsweise Gelenkpositionen oder Haltungskorrekturen zuverlässig zu identifizieren, sind umfangreiche, qualitativ hochwertige Datensätze erforderlich. Aktuell sind diese oft noch nicht ausreichend, um alle möglichen Anwendungsfälle abzudecken.

Trotz dieser Herausforderungen bietet der Ansatz durch seine Zeiteffizienz und Präzision deutliche Vorteile und stellt eine vielversprechende Ergänzung zu bestehenden manuellen und skriptbasierten Modellierungsmethoden dar. Perspektivisch wird erwartet, dass die fortschreitende Entwicklung der Algorithmen und die Erweiterung der zugrunde liegenden Trainingsdaten die Anwendungsbreite und Zuverlässigkeit der KI-gestützten Modellierung weiter verbessern.

3D-Druck: Prozessüberwachung durch Künstliche Intelligenz

In den vergangenen Jahren hat der 3D-Druck eine zentrale Rolle in der Orthopädietechnik eingenommen, insbesondere für die Produktion individualisierter Orthesen¹⁴. Es existieren unterschiedliche Verfahren für den 3D-Druck, die je nach Material, Anforderungen und Kosten angewendet werden können¹⁵. Die Stereolithografie (SLA), selektives Lasersintern (SLS) und das Fused Filament Fabrication (FFF), auch als Schmelzschichtverfahren bekannt, sind die gängigsten Verfahren¹⁶.

SLA-Drucker nutzen flüssiges Harz, das mittels spezifischer Lichtstrahlen ausgehärtet wird, um schichtweise hochpräzise Objekte zu generieren. Dieses Verfahren ist durch seine außerordentliche Präzision und glatte Oberflächen gekennzeichnet, ist jedoch aufgrund der Materialkosten und der erforderlichen Nachbearbeitung nicht immer optimal für den Einsatz in der Orthopädietechnik geeignet.

SLS operiert mit pulverartigen Materialien, die mittels Lasertechnologie verbunden werden. Dieses Verfahren zeichnet sich durch hohe Festigkeit und Materialvielfalt aus, verlangt jedoch kostspielige Maschinen und ist insbesondere für industrielle Anwendungen geeignet.

Das am häufigsten angewandte Verfahren ist jedoch das Fused Filament Fabrication (FFF), welches thermoplastische Materialien in Schichtstruktur konstruiert. Im Vergleich zu anderen Verfahren ist FFF kosteneffizient und vielseitig, da es in der Lage ist, mit einer Vielzahl von Materialien zu arbeiten, einschließlich recycelbarer und biologisch abbaubarer Kunststoffe. Diese Flexibilität des Materials qualifiziert FFF besonders für die Produktion von Orthesen, die an die speziellen Anforderungen der Patienten angepasst werden müssen.

Obwohl FFF zahlreiche Vorteile aufweist, existieren dennoch einige Herausforderungen, die im Produktionsprozess in Betracht gezogen werden müssen. Typische Schwierigkeiten umfassen Auswahl ungeeigneter Materialien, Schichtverschiebungen und Temperaturabweichungen, die zu Fehlern im Endprodukt führen können. Diese Fehler sind oft schwer vorhersehbar und können die Qualität und Passgenauigkeit der gedruckten Orthesen beeinträchtigen. Darüber hinaus erfordert der Druckprozess bei FFF eine präzise Steuerung von Druckparametern wie der Extrusionstemperatur, der Schichthöhe und der Druckgeschwindigkeit, um optimale Resultate zu erzielen.

Die Einbindung von Künstlicher Intelligenz liefert innovative Lösungen zur Überwachung und Optimierung des 3D-Druckprozesses. Systeme, die auf Künstlicher Intelligenz basieren, analysieren den Druckprozess in Echtzeit und sind in der Lage, Abweichungen frühzeitig zu identifizieren¹⁷. Ein weiteres zentrales Anwendungsgebiet der Künstlichen Intelligenz ist in diesem Kontext die Untersuchung der Schichtqualität. Die kontinuierliche Überprüfung jeder gedruckten Schicht ermöglicht es der Künstlichen Intelligenz, die gleichmäßige Applikation des Materials zu gewährleisten und dabei Schichtverschiebungen oder Lücken zu vermeiden. Dies resultiert in einer erheblich erhöhten Genauigkeit und Konsistenz, insbesondere bei (anatomisch) komplexen Modellen, die in der Orthopädietechnik oftmals erforderlich sind. Bisher werden Druckfehler jedoch lediglich identifiziert und bei erheblichen Fehlern wird der Anwender darüber informiert oder der Druck automatisch abgebrochen.

Die Vorteile der Prozessüberwachung durch Künstliche Intelligenz im FFF-Verfahren sind offensichtlich: Durch die Automatisierung der Qualitätskontrolle und die Verbesserung der Druckparameter wird der Ausschuss reduziert und die Produktionszeit verkürzt. Dies ist insbesondere in der Orthopädietechnik von Bedeutung, in der individualisierte Orthesen häufig unter Zeitdruck produziert werden müssen, um die Versorgung der Patienten zügig zu gewährleisten.

Es existieren jedoch auch Schwierigkeiten bei der Integration von Künstlicher Intelligenz in den Druckprozess. Die KI-Systeme erfordern eine erhebliche Datenmenge, um ihre Verlässlichkeit zu gewährleisten. Dies impliziert, dass weitreichende Prüfungen und Kalibrierungen notwendig sind, bevor die Technologie in der Praxis flächendeckend angewendet werden kann. Darüber hinaus ist die Implementierung solcher Systeme mit zusätzlichen Ausgaben verbunden, die sich jedoch aufgrund der Effizienzsteigerungen und der Qualitätsverbesserung langfristig rentieren können¹⁸.

Fazit

Die Integration von 3D-Scantechnologien, KI-gestützter Modellierung und 3D-Druck bietet bedeutende Möglichkeiten zur Weiterentwicklung der Orthopädietechnik, wobei jedoch sowohl die Stärken als auch die Grenzen der Technologien zu beachten sind. Die Anwendung von Künstlicher Intelligenz erlaubt eine Automatisierung zentraler Prozesse, was zu einer deutlichen Effizienzsteigerung und verbesserten Genauigkeit bei der Produktion individueller Orthesen führt. Besonders die Kombination aus Smartphone-basierten 3D-Scans und KI-gesteuerter Modellierung erleichtert den Zugang zu qualitativ hochwertigen, patientenspezifischen Lösungen und macht diese Technologie einer breiteren Anwendergruppe zugänglich.

Gleichzeitig zeigt sich, dass der Erfolg dieser Technologien stark von der Qualität der eingespeisten Daten, den eingesetzten Algorithmen und der spezifischen Anwendungssituation abhängt. So können unzureichende Trainingsdaten oder fehlerhafte Ausgangsdaten zu Abweichungen in den Ergebnissen führen, was teilweise manuelle Nachbearbeitungen erforderlich macht.

Die durch Künstliche Intelligenz unterstützte Kontrolle des 3D-Druckverfahrens trägt dazu bei, Fehler zu reduzieren und die Konsistenz der Endprodukte zu verbessern. Dies führt nicht nur zu einer gesteigerten Qualität, sondern auch zu verkürzten Produktionszeiten. Trotz der bestehenden Herausforderungen und Einschränkungen bieten diese Technologien langfristig erhebliche Vorteile, darunter eine effizientere, präzisere und nachhaltigere Versorgung.

Mit zunehmender Verfügbarkeit hochwertiger Trainingsdaten und weiteren Fortschritten in der Entwicklung der KI-Algorithmen wird erwartet, dass die Anwendungsbreite und Zuverlässigkeit dieser Technologien weiter zunehmen. Insgesamt stellen sie eine vielversprechende Ergänzung zu bestehenden Verfahren dar und setzen neue Standards in der patientenzentrierten Orthopädietechnik.

Interessenkonflikt:
Der Autor ist Gründer und Geschäftsführer von 3D-Medico.

Der Autor:
Tino Jacobi
3D-Medico
Teutonenstr. 74
12524 Berlin
Tel.: 0152 3665 2844
info@3d-medico.de
www.3d-medico.de

Begutachteter Beitrag/reviewed paper

Zitation
Jacobi T. Integration von 3D-Scans mittels Smartphonevideo und KI in den digitalen Workflow für die Herstellung von 3D-gedruckten Orthesen. Orthopädie Technik, 2025; 76 (1): 32–37