Aprendizaje automático asistido para la planificación preoperatoria de artroplastia total de cadera: validación de...

Área de la Ciencia:

• Cirugía Ortopédica; Imagen Médica; Aprendizaje Automático

Sus antecedentes:

• La plantilla preoperatoria es crucial para el éxito de la artroplastia total de cadera (ATC). Se necesita una validación sistemática de las aplicaciones de aprendizaje automático (ML) en la ATC para la utilidad clínica. Los métodos actuales de validación de ML requieren marcos sólidos de predicción-verificación.

Objetivo del estudio:

• Evaluar la precisión y la seguridad clínica de un sistema de ML de conjunto híbrido para la plantilla preoperatoria de ATC. Evaluar la viabilidad de una metodología de predicción-verificación para ML en cirugía ortopédica. Establecer un marco para la validación de herramientas de ML en la planificación de ATC.

Principales métodos:

• Se realizó una serie de casos retrospectivos de 9 casos de ATC. Un sistema de ML de conjunto híbrido realizó la plantilla preoperatoria utilizando radiografías estandarizadas con corrección de magnificación. Las predicciones se validaron con las selecciones de componentes intraoperatorios; los resultados incluyeron precisión específica del componente y seguridad clínica.

Principales resultados:

• El sistema de ML logró una precisión general de plantilla del 85,7%. Las precisiones específicas de los componentes variaron del 54,4% (tamaño de la cabeza) al 100% (tipo de vástago). Los resultados clínicos demostraron una tasa de éxito del 100% con cero complicaciones y sin reintervenciones.

Conclusiones:

• La plantilla preoperatoria asistida por ML es factible para la planificación de ATC, mostrando una precisión alentadora y una excelente seguridad clínica. La metodología de predicción-verificación proporciona un marco sistemático para la validación de ML en cirugía ortopédica. Los hallazgos respaldan la necesidad de estudios de validación más amplios para establecer aún más la utilidad de ML en ATC.