機械学習における品質保証 整体関節整形の手術のモデルに成功していますか? 体系的なレビュー
Jordan Helbing1, Caleb Oh2, Aditya S Joshi1
1Department of Orthopaedic Surgery, Johns Hopkins University School of Medicine, Bethesda, MD, USA.
Journal of clinical orthopaedics and trauma
|September 2, 2025
まとめ
ヒップと膝の置換の機械学習の品質保証は 矛盾しています 標準化されたガイドラインは,信頼性の高い人工知能 (AI) の整体股関節整形術 (THA) と整体膝関節整形術 (TKA) で,モデルの有効性を確保するために不可欠です.
科学分野:
- 整形外科
- 医療における人工知能
- 医療情報学
背景:
- 機械学習 (ML) モデルは,患者のアウトカムと臨床的意思決定を改善するために,総関節整形術 (THA) と総膝関節整形術 (TKA) でますます利用されています.
- しかし,これらのMLモデルの品質保証 (QA) 措置は矛盾し,しばしば文書化が不十分である.
- この研究は,THAとTKAのMLアプリケーションにおける現在のQAの概要を提供します.
研究 の 目的:
- 整体股関節整形 (THA) と整体膝関節整形 (TKA) に適用される機械学習 (ML) モデルの品質保証 (QA) 慣行に関する高レベルの概要を作成する.
- これらの整形外科分野における ML研究で公表された様々なQAメトリックの報告の範囲と一貫性を特定する.
- 確立されたガイドラインに基づいてTHAとTKAで使用されるMLモデルの透明性とバイアスのリスクを評価する.
主な方法:
- THAやTKA,ML,QAを中心に,2013年から2024年に出版された論文を体系的にレビューする.
- 2人の独立査読者が論文をスクリーニングし,品質保証に関する31の特徴を抽出しました.
- TRIPOD-AIとPROBASTのガイドラインは,報告の透明性と潜在的なバイアスを評価するために使用されました.
主要な成果:
- 137件の試験のうち,76. 64%が臨床結果モデルで,22. 63%がイメージングモデルであった.
- 検証方法 (98. 54%) とAUC- ROCスコア (68. 61%) が頻繁に報告されたが,リコール (94. 89%) と精度 (85. 85%) の指標は著しく報告されていない.
- TRIPOD- AIの準拠度は高かった (平均0. 84),しかしPROBAST- AIはバイアスの高いリスクを示した,特に参加者の選択と分析において.
結論:
- THAとTKAにおけるML研究におけるQAメトリックの報告には大きな異質性がある.
- 骨科におけるAIの急速な成長は,MLモデルの信頼性と有効性を確保するために標準化されたQAガイドラインを必要とします.
- 関節置換手術における信頼性の高い AI アプリケーションには 堅牢な QA プロトコルの導入が不可欠です
