从放射预测器预测膝关节骨关节炎的严重程度:来自骨关节炎倡议的数据

科学领域:

• 整形外科和体育医学
• 放射学 放射学是一门学科.
• 医疗保健中的人工智能

背景情况:

• 预防措施对于膝关节骨关节炎 (KOA) 治疗至关重要.
• 目前的方法无法预测健康膝盖的个体未来的膝关节完整性.
• 射线图提供了一种具有成本效益的成像方式.

研究的目的:

• 为了研究从放射图片中得到的膝关节形态是否可以预测未来的膝关节完整性和状况.
• 评估放射测量对预测KOA发展的有用性.
• 探索新的膝盖健康预测方法.

主要方法:

• 使用随机森林算法开发了一个两阶段的机器学习模型.
• 结合的膝关节形态从X射线图与受试者的人口统计学 (年龄,身高,体重).
• 训练并比较了三个模型:仅人口统计数据,仅图像和合并预测器,使用来自1222个膝盖的8年随访数据.

主要成果:

• 合并模型,包括人口统计和放射形态,实现了最高的性能.
• 合并模型的加权F1得分为78.3%,均衡精度为68.2%.
• 主体人口结构模型实现了77.2%的WF1和65.6%的BA,而仅图像模型的指标最低 (76.5%的WF1,63.8%的BA).

结论:

• 开发的两阶段预测模型在预测膝关节状况方面表现得更好.
• 这些发现表明,该模型对于早期KOA风险评估的潜在临床应用.
• 放射形态学与人口统计学相结合,可以预测未来的膝盖健康状况.