整合放射学和神经网络用于膝关节关节炎发病率预测

科学领域:

• 放射学 放射学是一门学科.
• 整形外科 整形外科 整形外科
• 人工智能的人工智能

背景情况:

• 准确预测膝关节关节炎 (KOA) 对于及时干预和个性化治疗策略至关重要.
• 磁共振成像 (MRI) 提供了有关KOA评估的关节结构的详细见解.

研究的目的:

• 开发和验证一种新的基于磁共振成像 (MRI) 的关节空间 (JS) 放射性模型 (RM) 来预测膝关节骨关节炎 (KOA) 发生率.
• 用神经网络评估模型的性能,通过整合阴囊和股骨软骨的放射性特征来评估模型的性能.

主要方法:

• 利用了骨关节炎倡议队列的数据,包括对KOA高风险的参与者.
• 从基线3D双回声稳定状态序列MRI扫描中提取了放射性特征.
• 开发了一个JS-RM模型并评估其预测准确性 (AUC,灵敏度,特异性) 在独立的开发和测试队列中. 评估了JS-RM对外科医生在预测KOA发病率方面的表现的影响.

主要成果:

• 在测试队列中,JS-RM表现出高精度,曲线下的面积 (AUC) 为0.931,灵敏度为84.4%,特异性为85.6%.
• 来自JS-RM的协助显著改善了住院外科医生的平均灵敏度 (从58.6%到81.2%) 和特异性 (从47.4%到87.4%),用于预测放射性KOA发生率 (P < 0.001).

结论:

• 开发的关节空间放射性模型 (JS-RM),整合阴囊和软骨特征,显示了预测膝关节骨关节炎发病率的显著潜力.
• JS-RM提高了诊断性能,为早期KOA检测和管理提供了有价值的工具.