Recente genoombrede associatiestudies hebben onthuld dat verschillende osteoartritis (OA) risicoloci genetische variaties omvatten die verband houden met musculoskeletale ontwikkeling en morfogenese. Op heden is een grote tekortkoming dat morfometrische fenotypering  gebaseerd is op 2D beeldvorming, resulterend in hoge ruis en beperkte toepasbaarheid. In dit interdisciplinaire project zal DNA worden verzameld van patiënten die voor medische redenen een CT-scan ondergaan. Geavanceerde beeldverwerking en deep learning-methoden zullen worden gebruikt voor 3D-fenotypering en om de associatie tussen SNP-genotype en de gewrichtsvorm en mechanisch fenotype niveau vast te stellen.

De voorgestelde methodologie bouwt voort op de meest recente ontwikkelingen in geometrische deep learning en vormmodellering om betrouwbare schatting van gewrichtsbelasting mogelijk te maken. De bevindingen zullen worden gebenchmarkt bij patiënten met artrose met behulp van een controle cohort van +1200 gevallen.