开发和验证一个人工智能模型,准确预测脊椎皮层参数

科学领域:

• 脊柱成像分析分析 脊柱成像分析
• 医学中的人工智能.
• 放射性参数测量测量的放射性参数测量.

背景情况:

• 脊柱皮层对齐对于脊柱状况的临床结果至关重要.
• 手动测量脊皮膜参数是耗时的,容易引起观察者之间的变化.
• 现有的自动化工具通常需要用户手动输入,从而限制了效率.

研究的目的:

• 介绍SpinePose,这是一款用于自动预测脊椎皮层参数的新型AI工具.
• 评估SpinePose在测量关键的脊髓皮层参数方面的准确性和可靠性.
• 展示AI在简化脊柱成像分析方面的潜力.

主要方法:

• 脊柱体被训练在761张斜腰全脊椎X线图上.
• 人工智能模型预测了斜腰垂直轴 (SVA),骨盆倾斜 (PT),骨盆发生率 (PI),交叉斜率 (SS),腰椎 (LL),T1骨盆角 (T1PA) 和L1骨盆角 (L1PA).
• 通过将SpinePose的预测与专家审查员在一个单独的测试组40张X射线图上进行比较,使用中位误差和类内相关系数 (ICC) 来评估准确性.

主要成果:

• 在所有测量参数 (例如,SVA 2.2 mm,PT 1.3°,PI 2.2°) 中,SpinePose 显示了高精度和低中位误差.
• 人工智能工具表现出卓越的评分器间可靠性,ICCs范围从0.91到1.0.
• 他们的表现与受过奖学金培训的脊椎外科医生和神经辐射学家的表现相当.

结论:

• 脊柱Pose可以准确可靠地从脊柱X射线图中预测脊柱皮层的参数.
• 人工智能工具消除了用户手动输入的需要,提高了效率.
• 在脊柱护理中,SpinePose有可能显著改善患者选择和手术规划.