关节镜旋转袖口撕裂手术后的重新撕裂:使用机器学习进行风险分析
Issei Shinohara1, Yutaka Mifune1, Atsuyuki Inui1
1Department of Orthopaedic Surgery, Kobe University Graduate School of Medicine, Kobe, Hyogo, Japan.
Journal of shoulder and elbow surgery
|August 25, 2023
概括
机器学习准确地预测了在关节镜旋转修复 (ARCR) 后旋转的复发情况. 关键因素包括患者年龄,茎分类和撕裂大小,有助于进行风险评估,以改善患者的治疗结果.
科学领域:
- 整形外科手术 整形外科手术
- 人工智能在医学中的应用
- 生物医学成像分析分析
背景情况:
- 关节镜旋转手套修复 (ARCR) 后旋转手套的复发仍然是一个重大的临床挑战.
- 确定的风险因素包括患者的人口统计学和撕裂特征,茎分类成为旋转手腕脆弱性的关键指标.
- 之前的研究已经强调了3型茎的高回落率,但缺乏全面的风险预测模型.
研究的目的:
- 开发和评估机器学习 (ML) 模型,用于预测ARCR后术后复发的风险.
- 识别最重要的临床和成像特征,这些特征有助于增加风险.
- 利用人工智能在骨科手术结果中实现更准确,更灵活的预测建模.
主要方法:
- 一项回顾性病例对照研究,涉及353名患者,他们使用桥技术进行了ARCR,用于使用完整的旋转手腕撕裂.
- 排除初始复发或创伤性撕裂的患者;Sugaya分类类型IV和V通过MRI定义的复发.
- 训练和测试五个ML模型 (逻辑回归,随机森林,AdaBoost,CatBoost,LightGBM) 使用参数,如年龄,性别,树分类,撕裂大小,Gutallier分类,糖尿病和高脂血症.
主要成果:
- 轻GBM模型实现了最高的预测准确性,接收器运行特征曲线下的面积为0.87.
- 其他模型表现出强的性能:CatBoost (0.83),随机森林 (0.82),物流回归 (0.78) 和AdaBoost (0.78).
- 鉴定出再撕裂风险的关键预测因素是患者年龄,茎分类和旋转手套撕裂大小.
结论:
- 机器学习模型可以准确地预测手术后的旋转手腕在ARCR后的复发.
- 患者的年龄和成像检查结果,特别是茎分类,是影响纹风险的最关键因素.
- 这种由人工智能驱动的模型提供了一个有前途的工具,可以根据随时可用的临床和成像数据预测术后复发.