患者とX線学的パラメータを利用した非セメント全膝関節整形手術候補者の選択のための機械学習モデル

科学分野:

• 整形 術
• バイオメディカルエンジニアリング
• 医療における人工知能

背景:

• 無セメント全膝関節整形 (TKA) の使用は急増しているが,客観的な患者選択基準は欠けている.
• 現在,セメントなしのTKAの適性を決定する方法は,主観的な評価に基づいています.
• シメントなしのTKA患者の選択には,標準化されたX線測定値が必要である.

研究 の 目的:

• シメントなしのTKAに適応した患者を特定するための説明可能な機械学習モデルを開発し,検証する.
• TKAの意思決定を改善するために,患者の人口統計と放射線骨密度を活用する.
• セメントなしのTKA患者の選択のための客観的な基準を確立する.

主な方法:

• BMI,年齢,性別,小足のホーンズフィールド単位 (HU) を含む説明可能な人工ニューラルネットワークモデルを開発した.
• 手術前CTスキャンで 骨の密度を4つのクアッドラントで測定しました
• バージング・アンサンブル技術によるローカル・インタプリタブル・モデル・アグノスティック・エクスプロニエーション (LIME) を採用した.

主要な成果:

• このモデルは,セメント化されたTKA患者22人中19人 (86. 4%の感度) とセメント化されていないTKA患者38人中37人を (97. 4%の特異性) 特定することで,高い精度を達成した.
• このモデルの曲線下の面積 (AUC) は0. 94で,強力な予測性能を示しています.
• 予知モデルでは,骨のミネラル密度の有効な代用体として使用されました.

結論:

• 開発された機械学習モデルは,セメントなしのTKAにおける客観的な患者選択の大きな可能性を示しています.
• このモデルの高い特異性 (97.4%) は,セメントなしの処置に適した患者を確実に特定できると示唆しています.
• 将来の作業は,トレーニングデータセットの拡張と,より優れた臨床的有用性のためにHounsfield Unit抽出の自動化に焦点を当てます.