在X光和MRI上估计膝关节完全置换的时间:采用自我监督深度学习的多模式方法
Ozkan Cigdem1, Shengjia Chen1, Chaojie Zhang1
1Department of Radiology, New York University Grossman School of Medicine, New York, NY 10016, United States.
Radiology advances
|January 2, 2025
概括
现在可以准确预测到全膝关节置换 (TKR) 的时间. 一个新的模型集成成像和临床数据来预测手术需求,帮助个性化患者治疗策略.
科学领域:
- 生物医学工程 生物医学工程
- 放射学 放射学是一门学科.
- 整形外科 整形外科 整形外科
背景情况:
- 准确预测到全膝关节置换 (TKR) 的时间对于患者管理和医疗保健规划至关重要.
- 目前的模型缺乏短期 (例如3年) 基于时间的预测的精度.
- 及时的外科干预计划和资源分配需要精确的TKR预测.
研究的目的:
- 开发一种生存分析模型,用于预测到TKR的时间.
- 通过医学成像和临床数据提高预测准确度.
- 为更精确的患者管理和医疗保健资源分配提供一个工具.
主要方法:
- 利用了来自骨关节炎倡议,多中心骨关节炎研究和医院内部记录的数据.
- 采用深度学习模型从X光片和MRI扫描中提取特征.
- 将成像特征,临床变量和图像评估集成到一个生存分析模型中,使用拉索-考克斯特征选择和随机生存森林.
主要成果:
- 拟议的模型有效地将自我监督的深度学习功能与临床和成像数据集成在一起.
- 实现了强大的区分能力,曲线下的面积 (AUC) 为94.5 (95% CI,94.0-95.1),用于时间到TKR的预测.
- 通过结合多模式数据,包括患者人口统计,疼痛评分和成像衍生的测量,如关节空间缩小和软骨形态学,证明了高准确性.
结论:
- 开发的模型显示了准确预测时间到TKR的巨大潜力.
- 自主监督学习和多模式数据融合是提高预测准确性的关键.
- 这种预测能力可以帮助医生为患者制定个性化的治疗策略.
