使用MRI8年后未来膝关节关节炎严重程度的两阶段分类:来自关节炎倡议的数据

科学领域:

• 整形外科 整形外科 整形外科
• 医疗成像医学成像
• 机器学习 机器学习

背景情况:

• 目前缺乏用于预测未来膝关节骨关节炎 (KOA) 严重程度的临床工具.
• 凯尔格伦-劳伦斯 (KL) 尺度将KOA分为严重程度等级,但预测未来的进展仍然具有挑战性.

研究的目的:

• 开发和验证一种新的两阶段机器学习模型,用于将未来的KOA严重程度分为三个等级:KL01 (健康),KL2 (中度) 和KL34 (严重).

主要方法:

• 采用了两阶段的二进制分类方法,首先区分KL01和KL234,然后区分KL2和KL34.
• 均衡随机森林算法使用来自骨关节炎倡议的1213个膝盖 (8年随访) 的纵向数据进行训练,并结合了来自MRI的年龄,体重和膝盖形态等特征.
• 特性重要性分析确定了基线KL等级和体重作为关键预测因素,性别显示影响最小.

主要成果:

• 最好的模型获得了79.0%的加权F1得分和65.9%的平衡精度.
• 在ROC曲线下的面积 (AUC) 达到83.0%以区分健康和任何KOA,以及86.6%以区分中度和严重KOA.
• 两阶段模型显著优于传统的单阶段分类方法.

结论:

• 开发的两阶段分类模型显示了对准确评估未来膝关节关节炎严重程度的巨大潜力.
• 这种方法为临床环境提供了一个有前途的工具,以帮助管理和预测KOA进展.