Präzise phänotypische Bestimmung der Wirbelsäulenkrümmung mittels Deep Learning identifiziert neue genetische Risikoloci für Skoliose in der UK Biobank

Warum die Form der Wirbelsäule wichtig ist

Skoliose, eine seitliche Krümmung der Wirbelsäule, kann zu Schmerzen, Knochenbrüchen und verminderter Lebensqualität führen – dennoch erhalten viele Menschen mit relevanter Krümmung nie eine Diagnose. Diese Studie zeigt, wie moderne Computer-Vision und Genetik zusammenwirken können, um Wirbelsäulenprobleme früher zu erkennen und die DNA-Varianten zu offenbaren, die still den Verlauf unserer Wirbelsäule im Alter beeinflussen.

Auf der Suche nach verborgenen Krümmungen

Ärztinnen und Ärzte beurteilen Skoliose meist anhand des Cobb-Winkels, einer Messung aus aufrechten Röntgenaufnahmen, die Personen als skoliotisch oder nicht klassifiziert. Große Populationsbiobanken speichern jedoch eher Abrechnungs-Codes als detaillierte Messwerte, und diese Codes erfassen meist nur die schwersten Fälle. Die Autorinnen und Autoren gingen stattdessen zu Ganzkörper-Knochenscans von mehr als 57.000 Erwachsenen der UK Biobank über. Diese Scans, aufgenommen im liegenden Rückenposition, enthalten eine klare Silhouette der Wirbelsäule und ermöglichen, die Krümmung kontinuierlich bei allen Personen zu messen – nicht nur bei denen, die in ihren medizinischen Unterlagen zufällig mit Skoliose gekennzeichnet wurden.

Computern beibringen, die Wirbelsäule nachzuzeichnen

Mit einem kleinen Satz sorgfältig von Hand beschrifteter Bilder trainierte das Team ein Deep-Learning-Modell, die Wirbelsäule jeder Person im Scan zu finden und zu umreißen. Das Modell, basierend auf einer verbreiteten Architektur für medizinische Bildgebung, lernte, die helle Wirbelsäule vom Rest des Körpers mit 99 Prozent Pixelgenauigkeit zu trennen. Für jede segmentierte Wirbelsäule platzierten die Forschenden 20 gleichmäßig verteilte Punkte entlang ihrer Länge, rotierten die Wirbelsäule so, dass ihre Enden vertikal ausgerichtet waren, und summierten dann, wie weit sich jeder Punkt von einem Schritt zum nächsten nach links oder rechts verschob. So entstand für jede Person eine einfache, kontinuierliche Zahl, die erfasste, wie sehr ihre Wirbelsäule von oben nach unten seitlich um Millimeter abwich.

Prüfen, ob die neue Messgröße sinnvoll ist

Damit die automatisierte Krümmungskennzahl nützlich ist, musste sie mit etablierten klinischen Messungen und realen Ergebnissen übereinstimmen. In einer Stichprobe von 150 Personen stimmte der Score eng mit von Orthopäden bestimmten Cobb-Winkeln überein und zeigte eine starke positive Korrelation. Personen, deren Cobb-Winkel den typischen Skoliose-Schwellenwert erreichte, hatten deutlich höhere Krümmungswerte als diejenigen darunter, und Personen mit einem Skoliose-Diagnosecode in ihren Akten zeigten im Durchschnitt ebenfalls eine höhere Krümmung. Die Krümmung nahm tendenziell mit dem Alter stetig zu, was zur Vorstellung passt, dass Verschleiß und Knochenverlust die Wirbelsäule allmählich verbiegen können. Anhand von Schwellenwerten, die aus diagnostizierten Fällen und Cobb-Winkeln abgeleitet wurden, schätzte das Team, dass Tausende von UK-Biobank-Teilnehmenden wahrscheinlich klinisch relevante Krümmungen aufweisen, die nie in ihren medizinischen Codes erscheinen.

Die Verbindung von Wirbelsäulenform und DNA

Mit diesen Krümmungswerten durchkämmten die Forschenden die Genome weißer britischer Teilnehmender nach häufigen Varianten, die mit der Krümmung der Wirbelsäule verbunden sind. Sie fanden drei Regionen im Genom, die strenge statistische Tests bestanden. Eine liegt in der Nähe von PAX1, einem Gen, das bereits mit jugendlicher Skoliose und Wirbelentwicklung in Verbindung gebracht wurde, und zeigte einen stärkeren Effekt bei Frauen als bei Männern – ein Echo früherer Arbeiten zur weiblichen Prädisposition für Skoliose. Zwei andere Regionen waren zuvor nicht für Skoliose berichtet worden: eine nahe Gene, die an Gliedmaßen- und Knochenentwicklung beteiligt sind, und eine weitere, die mit einer langen nicht-kodierenden RNA überlappt, zwischen Genen, die mit Protein-Qualitätskontrolle und wirbelsäulenbezogener Entzündung verknüpft sind. Insgesamt detektierte die bildbasierte Studie genomweite Signale, wo eine traditionelle Fall-Kontroll-Studie, die nur Diagnosecodes im selben Datensatz nutzte, keine fand.

Wirbelsäulenkrümmungen und der Rest des Körpers

Das Team untersuchte auch, wie Krümmung mit anderen Merkmalen derselben Personen zusammenhängt. Höhere Krümmung war verbunden mit mehr Rückenschmerzen, niedrigerer Knochendichte der Wirbelsäule, schwächerer Handkraft, größeren Beinlängendifferenzen und einem erhöhten Risiko für Osteoporose, Wirbelkörperfrakturen und Spondylose – selbst nach Anpassung für Alter, Körpergröße und Lebensstilfaktoren. Im Gegensatz dazu zeigten Gonarthrose und Koxarthrose in dieser Gruppe kaum einen Zusammenhang mit der Wirbelsäulenkrümmung. Diese Muster stützen ein Bild, in dem seitliche Krümmungen bei älteren Erwachsenen mit breiteren altersbedingten Veränderungen von Muskeln, Knochen und Haltung verflochten sind, statt ein isoliertes Problem darzustellen.

Was das für die zukünftige Versorgung bedeutet

Indem routinemäßige Wirbelsäulenbilder in präzise, automatisierte Messwerte verwandelt werden, zeigt diese Arbeit, wie Deep Learning die genetischen und physischen Ursachen von Zuständen sichtbar machen kann, die die Medizin oft nur grob erfasst. Die neue Krümmungskennzahl deckt viele Menschen auf, deren Wirbelsäulen so gekrümmt sind wie die von diagnostizierten Patientinnen und Patienten, die aber kein formales Label tragen, und sie hebt genetische Regionen hervor, die für altersbedingte oder degenerative Formen der Skoliose besonders wichtig sein könnten. Zwar sind weitere Studien nötig, um die Rollen dieser Gene zu bestätigen und den Ansatz auf diversere Populationen auszudehnen, doch die Studie weist in eine Zukunft, in der subtile Veränderungen in medizinischen Bildern helfen könnten, gefährdete Personen früher zu erkennen und die Forschung darüber zu lenken, wie und warum sich unsere Wirbelsäulen im Lauf des Lebens verändern.

Zitation: Zeosky, M., Kun, E., Reddy, S. et al. Deep learning-based precision phenotyping of spine curvature identifies novel genetic risk loci for scoliosis in the UK Biobank. npj Digit. Med. 9, 381 (2026). https://doi.org/10.1038/s41746-026-02540-6

Schlüsselwörter: Skoliose, Wirbelsäulenkrümmung, Deep Learning, genetisches Risiko, UK Biobank