是否有可能开发一个监督学习算法,结合脊椎骨盆运动,以预测接受关节整形手术的患者的撞击?

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
• 人工智能在医学中的应用

背景情况:

• 在全关节整形术 (THA) 中,精确的植入物定位对于稳定性至关重要,受个体脊生物力学的影响.
• 预测THA的撞击是具有挑战性的,使用人工智能 (AI) 的研究有限.

研究的目的:

• 评估AI算法的可行性,以基于患者表型和脊椎皮层力学来预测THA中的冲击.
• 评估AI在识别碰撞存在,方向和类型方面的准确性.

主要方法:

• 这是一项前性,国际性的,多中心的队列研究,对157名成年人进行了机器人臂辅助的THA.
• 使用光梯度增强机 (LGBM) 带有表格数据来预测撞击;二级模型集成了X光片.
• 使用机器人软件的虚拟运动范围 (ROM) 工具识别的阻碍.

主要成果:

• 该LGBM模型在预测碰撞的存在方面实现了70.2%的准确性.
• LGBM以85%的准确度估计了冲击方向;SVM以72.9%的准确度确定了冲击类型.
• 与单独表格数据相比,整合成像数据并没有显著提高预测准确性.

结论:

• 这项试点研究开创了人工智能,用于使用现实世界的临床数据预测THA中的撞击.
• 开发的机器学习算法显示了预测撞击,其类型和方向的潜力.
• 在临床实施人工智能算法之前,需要外部验证和更大的研究.