在使用人工智能进行关节整形术后,对周围假肢骨损失的术前预测和对双酸盐效应的个别评估

科学领域:

• 整形外科手术 整形外科手术
• 生物医学工程 生物医学工程
• 医学中的人工智能

背景情况:

• 周围假肢骨矿物质密度 (BMD) 损失是关节整形术 (THA) 后的一个担忧.
• 预测和减轻BMD损失对于长期的植入物存活和患者的结果至关重要.
• 确定预测因素和有效干预措施是一个正在进行的研究领域.

研究的目的:

• 开发一种人工智能驱动的模型,用于预测THA后的股骨BMD损失.
• 确定影响BMD损失的关键患者和手术相关因素.
• 虚拟评估双酸盐治疗在严重骨髓损伤病例中的疗效.

主要方法:

• 利用无监督的时间序列集群,根据格鲁恩第7区的五年BMD损失,将538例初级THA病例分组为组.
• 开发了一种用于BMD损失预测的机器学习模型,使用SHapley添加式扩展 (SHAP) 来识别预测因子.
• 通过模拟其在预测模型中的包含/排除来检查患者特定的双酸疗效.

主要成果:

• 确定了与患者和手术相关的因素,作为关键的骨质量损失预测因素.
• 实现了0.734的接收器运行特征 (ROC) 曲线 (AUC) 下的平均面积,用于BMD损失预测.
• 虚拟双酸盐在预防7区骨质量损失方面平均有14%的疗效.
• 发现干类型,手术前的甘油三,肌素,EGFR和CK水平与双酸盐疗效之间的关联.

结论:

• 使用患者和操作因素,可以预测THA后周围假肢BMD损失.
• 人工智能驱动的预测模型可以指导个性化的双酸盐处方.
• 优化双酸盐疗法,通过预测分析得到信息,有可能防止THA后的BMD损失.