使用人工智能的计算机断层扫描图像获得的骨矿物质密度和肌肉间脂肪与骨折愈合有关

科学领域:

• 放射学 放射学是一门学科.
• 整形外科 整形外科 整形外科
• 人工智能的人工智能

背景情况:

• 骨折愈合评估对于患者的治疗结果至关重要.
• 目前评估骨折愈合的方法可能是主观的,耗时的.
• 需要客观的定量标记来早期预测愈合并发症.

研究的目的:

• 利用人工智能 (AI) 来自动测量骨矿物质密度 (BMD) 和从计算机断层扫描 (CT) 扫描中对脊椎肌内脂肪区域 (PIFA).
• 调查AI衍生的BMD和PIFA与肋骨骨折患者骨折愈合结果之间的关联.

主要方法:

• 来自肋骨骨折患者的CT扫描的回顾性分析 (2012-2023年).
• 从基线CT扫描中以AI驱动的体积BMD (L1脊椎) 和PIFA (L1中截面) 的提取.
• 后勤回归分析与骨折愈合结果 (形形成,体积增加,愈合不良) 相关联的BMD和PIFA.

主要成果:

• 骨质量下降与减少形形成,体积增加减少和愈合不良风险增加独立相关.
• 增加PIFA独立地与减少形形成,减少体积增加和增加治愈不良风险有关.
• 与单独临床因素相比,BMD,PIFA和临床因素的组合模型显著改善了骨折愈合结果的预测 (AUC:0.790,0.749,0.701).

结论:

• 由AI测量的骨矿物质密度 (BMD) 和副脊髓肌内脂肪面积 (PIFA) 是骨折愈合的显著早期预测因素.
• 这些AI衍生参数可以帮助临床医生识别患有治疗不良风险的患者.
• 将 BMD 和 PIFA 整合到预测模型中可以增强骨折管理和干预选择的临床决策.