在关节镜旋转手套修复后的重新撕裂可以使用深度学习算法来预测

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
• 医疗数据分析 医学数据分析

背景情况:

• 旋转手套损伤在关节运动中很常见,经常需要手术修复.
• 术后再撕裂是一种严重的并发症,影响患者的康复和医疗资源.
• 人工智能在骨科领域的深度实施是一个具有重大潜力的不断发展领域.

研究的目的:

• 开发和验证一个人工智能驱动的预测模型,用于术后旋转手套重新撕裂.
• 用一个大型的单一中心数据集和一个独立的外部数据集来评估模型的准确性.
• 展示人工智能的潜力,以改善手术前决策,以修复旋转手套.

主要方法:

• 利用EV-GCN算法来训练一个预测模型.
• 收集和分析了来自1631名经过旋转手套修复手术的患者的手术前数据.
• 在518个案件的独立外部数据集上验证了模型.

主要成果:

• 人工智能模型实现了96.93%的准确性,在预测使用62个手术前变量在初级数据集的重新撕裂.
• 该模型在独立的外部数据集上显示了79.55%的准确性.
• 该模型的预测准确度超过了人类医生的预测准确度.

结论:

• 由人工智能驱动的手术前预测模型可以显著提高旋转手套修复手术的决策.
• 这种方法提供了一个有价值的工具,可以提高治疗效率和患者的治疗结果.
• 开发的方法对其他医疗领域有潜在的适用性,用于明智的医疗保健决策.