一种放射性人工智能工具,用于识别适合进行部分膝关节关节整形的候选人

科学领域:

• 整形外科手术 整形外科手术
• 人工智能在医学中的应用
• 医学成像分析 医学成像分析

背景情况:

• 膝关节骨关节炎是一种广泛的疾病,需要进行大量的膝关节置换手术,需求日益增加.
• 部分膝关节整形术 (PKA) 与全膝关节整形术 (TKA) 相比具有优势,但未得到充分利用,部分原因是放射性决策辅助器的有限使用.
• 临床医生的时间限制阻碍了采用PKA候选人的现有决策支持工具.

研究的目的:

• 开发和评估一种新的放射性人工智能 (AI) 工具,用于识别适合PKA的患者.
• 通过提供有效的决策支持机制来解决PKA的不足利用问题.

主要方法:

• 训练了6个AI模型在1241个膝关节X射线系列的数据集上,由专家整形外科医生进行评估.
• 使用EfficientNet-ES架构进行模型开发,以预测PKA候选.

主要成果:

• 人工智能模型实现了超过随机分配的统计学上显著的准确性.
• EfficientNet-ES模型表现出高性能,AUC为95%,F1得分为83%,在识别PKA候选人的准确性为80%.

结论:

• 开发的AI工具显示了识别PKA候选者的巨大潜力,可能会增加这种有益程序的利用率.
• 将这种人工智能工具集成到临床工作流程中可以加强临床医生和患者之间的共享决策过程.
• 需要进一步的研究来验证人工智能工具的实际有效性和对患者结果的影响.