相关实验视频
Updated: May 6, 2026
08:16
Movement Retraining using Real-time Feedback of Performance
Published on: January 17, 2013
13.4K
使用骨关节炎倡议和多中心骨关节炎研究数据集,基于机器学习的对侧膝关节骨关节炎发展的预测
Ji-Sahn Kim1, Byung Sun Choi1, Sung Eun Kim1
1Department of Orthopaedic Surgery, Seoul National University Hospital, Seoul, South Korea.
概括
机器学习可以预测对侧膝关节骨关节炎 (KOA) 的发展. 识别关节空间缩小等危险因素有助于控制患者的KOA进展.
科学领域:
- 整形外科和运动医学
- 生物医学工程 生物医学工程
- 在医疗保健中的数据科学.
背景情况:
- 逆侧膝关节关节炎 (KOA) 的发展是一个已知的风险,但预测模型缺乏.
- 单边KOA是一个独立的风险因素,可以在对面的膝盖中发展KOA.
- 现有的研究并没有专注于预测对方KOA (cKOA) 的发展.
研究的目的:
- 为了确定cKOA发展的特定风险因素.
- 开发和验证用于预测cKOA的机器学习模型.
- 评估机器学习在使用临床数据预测cKOA时的准确性.
主要方法:
- 利用了来自骨关节炎倡议 (OAI) 和多中心骨关节炎研究 (MOST) 超过4-5年的1353名单边KOA患者的数据.
- 开发了一个机器学习模型,使用基于树的管道优化工具算法.
- 在MOST数据集上验证模型,使用OAI作为开发集.
主要成果:
- 在4-5年内,19.1% (OAI) 和39.3% (MOST) 的患者中发生了cKOA.
- 一个由九个变量组成的模型,包括对侧膝关节侧关节空间缩小 (OR 4.475),预测了cKOA.
- 该模型在测试组件上实现了0.69的曲线下面面积 (AUC),0.60的精度,0.50的精度和0.58的F1得分.
结论:
- 机器学习有效地使用有限的变量集预测cKOA的发展.
- 基线逆侧膝关节空间缩小是cKOA的重要预测因素.
- 临床医生在治疗KOA患者时应考虑cKOA风险.
