Die Computertomographie (CT) ist die wichtigste und am häufigsten verwendete 3D-Bildgebungstechnik in der diagnostischen Radiologie. Allein in Deutschland werden jährlich mehr als 5 Millionen CT-Scans (2013) durchgeführt. Diese CT-Scans sind eine riesige, aber bisher unerforschte Ressource zur Erkennung von Risikofaktoren (opportunistisches Screening). Eine wichtige Diagnose ist die osteoporotische Fraktur und ein niedriger Knochenmineraldichte-Wert (BMD- Wert). Der BMD-Wert ist ein wichtiger Risikofaktor. Er kann jedoch nicht direkt aus den CT-Daten bestimmt werden, sondern erfordert eine zusätzliche Kalibrierung. Diese wird in der Regel mit Hilfe eines Kalibrier-Phantoms durchgeführt. In der klinischen Routine ist ein solches Phantom nicht vorhanden, was die Verwendung vorhandener CT-Datensätze für die BMD-Bestimmung erschwert. Die Substitution des Kalibrier-Phantoms durch eine interne Kalibrierung durch CT-Werte der Luft und anderer interner anatomischer Merkmale wurde vorgeschlagen, aber die Richtigkeit aktueller Lösungen ist limitiert und vorhandene Lösungen müssen speziell auf jeden Scanner und auf Parameter des CT-Protokolls zugeschnitten sein. Ziel dieses Teilvorhabens ist die Optimierung und die auf Künstlicher Intelligenz (KI)-basierte Automatisierung von Scanner- spezifischen Einstellungen für die interne Kalibrierung sowie die Bestimmung der Richtigkeit der resultierenden BMD-Ergebnisse, die anhand von CT-Werten von Luft und inneren Organen, die größtenteils aus Wasser, Fett und Weichgewebe bestehen, ermittelt werden. Parameter, die Muskeldichte, Größe und Infiltration von Fettgewebe beschreiben, werden in die Analyse einbezogen. Des Weiteren werden die Auswirkungen auf die Bewertung des Fraktur-Risikos und mögliche Auswirkungen auf Behandlungsentscheidungen analysiert.