在无症状的中年和老年人中,依靠盆腔发病率对 Sagittal 脊柱对齐的聚类:一种机器学习方法

科学领域:

• 整形外科 整形外科 整形外科
• 脊柱外科手术 脊柱外科手术
• 机器学习在医学中的应用

背景情况:

• 恢复斜腰对齐对于成功的成年脊柱形手术至关重要.
• 当前ASD手术策略的变化导致结果不一致,并阻碍了最佳规划.
• 制定精确的校正标准对于改善患者结果至关重要.

研究的目的:

• 通过使用无监督机器学习 (ML) 在无症状成年人中完善脊柱形态分类.
• 根据已识别的形态亚型,建立和验证成人脊柱形 (ASD) 患者的外科纠正参考标准.
• 改进在ASD手术规划方面的决策.

主要方法:

• 一项对635名无症状中年和老年中国成年人的横截面研究.
• 无监督的ML算法被用来从整个脊柱的X射线图中得出形脊柱形态集群和基于骨盆发病率的校正标准.
• 对103名接受重新调整手术的ASD患者进行了外部验证.

主要成果:

• ML算法成功地将脊柱形态分为四个不同的集群.
• 基于盆腔发病率的外科纠正标准显示出临床相关性,导致术后机械并发症,重手术和再入院率显著降低.
• 符合标准的患者报告了优异的结果.

结论:

• 无监督的ML有效地将无症状的斜腰脊柱形态分为四个群.
• 基于盆腔发病率的比例校正标准可以减少机械并发症,提高ASD手术的临床结果.
• 这种方法为成人脊柱形的外科纠正提供了经过验证的参考.