利用机器学习来预测和预防近端结节和成年脊柱形手术中的失败:一个系统性审查
Paolo Brigato1,2, Gianluca Vadalà1,2, Sergio De Salvatore1,3
1Research Unit of Orthopaedic and Trauma Surgery, Department of Medicine and Surgery, Università Campus Bio-Medico di Roma, Via Alvaro del Portillo, Roma, 21 - 00128, Italy.
Brain & spine
|June 9, 2025
概括
人工智能 (AI) 在预测成年脊柱形 (ASD) 手术后近端结节形/失败 (PJK/PJF) 方面表现有前途. 需要进一步的研究来验证这些AI模型的临床用途.
科学领域:
- 脊柱外科手术 脊柱外科手术
- 医疗人工智能的人工智能
- 生物机械工程 生物机械工程
背景情况:
- 成年脊柱形 (ASD) 手术存在重大风险,包括近端结节 (PJK) 和近端结节衰竭 (PJF).
- 预测和预防PJK/PJF对于改善患者的治疗结果和降低医疗保健成本至关重要.
- 人工智能 (AI) 和机器学习 (ML) 为ASD手术中的风险分层和并发症预测提供了新的机会.
研究的目的:
- 系统地审查当前关于使用AI/ML模型来预测ASD手术后PJK/PJF的文献.
- 评估基于AI的预测模型的准确性和有效性.
- 确定关键的预测因素和未来的研究方向.
主要方法:
- 按照PRISMA指南进行了系统审查.
- 搜索的数据库包括Medline,Scopus,Embase和Cochrane图书馆,截至2024年12月.
- 研究分析了AI模型参数,性能指标,并确定了PJK/PJF的预测因素.
主要成果:
- 涉及2179名患者的7项研究符合纳入标准.
- 人工智能模型显示PJK/PJF的高预测准确度,范围从72.5%到100% (AUC高达1.0).
- 重要的预测因素包括患者年龄,骨矿物质密度 (BMD),脊柱对齐和植入物类型.
结论:
- 人工智能和机器学习模型显示了在ASD手术患者中预测PJK/PJF的巨大潜力.
- 定义的标准化,增强的BMD评估和手术前MRI的整合是未来AI模型开发和临床验证的建议.
- 更大的多中心研究是必要的,以确认这些AI工具的概括性和临床实用性.
