使用深度学习来预测逆肩关节整形术患者的术后疼痛
Tim Schneller1, Andrea Cina2,3, Philipp Moroder1
1Department of Shoulder and Elbow Surgery, Schulthess Clinic, Zurich, Switzerland.
JSES international
|June 9, 2025
概括
这项研究开发了一种深度学习模型,用于在逆向全肩关节整形术 (rTSA) 后预测术后疼痛. 该模型实现了63%的准确性,识别了低疼痛的关键因素,以改善患者的治疗结果.
科学领域:
- 整形外科手术 整形外科手术
- 人工智能的人工智能
- 疼痛管理 疼痛管理
背景情况:
- 术后疼痛是肩膀关节整形术的关键结果,但研究重点不如功能恢复.
- 预测和管理术后疼痛对于骨科手术后患者的健康至关重要.
研究的目的:
- 开发一种深度学习算法,用于在逆向全肩关节整形术 (rTSA) 后预测术后疼痛.
- 确定关键的手术前因素,与rTSA后的低术后疼痛相关.
主要方法:
- 通过使用1707名rTSA患者的手术前数据来训练一个人工神经网络.
- 数据包括人口统计,疾病信息,临床评估和自我报告措施.
- 术后疼痛是一个二元结果 (疼痛评分≥3对≤2),该模型被内部验证.
主要成果:
- 深度学习模型在预测手术后疼痛时达到63%的准确性,在rTSA后2年.
- 莎普利添加剂的解释确定了低疼痛的因素:低ASA得分,低DASH得分,私人保险,初级OA和低基线疼痛.
结论:
- 成功开发了一种深度学习模型,用于预测rtsa后的术后疼痛.
- 需要进一步改进,但该模型可以优化手术指示和管理患者的期望.
- 这种预测工具有可能改善肩关节整形手术的临床决策.


