骨关节炎膝盖超声波共享变化的模式:一种机器学习方法

科学领域:

• 整形外科 整形外科 整形外科
• 放射学 放射学是一门学科.
• 机器学习 机器学习

背景情况:

• 膝关节骨关节炎 (KOA) 是一种退行性关节疾病,临床表现各异.
• 了解不同的KOA表型对于有针对性的治疗策略至关重要.

研究的目的:

• 用人口统计,临床,症状和超声波 (美国) 数据识别新的膝关节骨关节炎 (KOA) 现型.
• 应用机器学习方法来发现KOA中共享的变异模式.

主要方法:

• 利用了来自约翰斯顿县健康研究的数据,包括人口统计数据,临床评估,X线图和膝盖US.
• 采用基于角度的关节和个体变化解释 (AJIVE) 算法来分析共享和个体数据变化.
• 专注于美国特征和非美国临床数据在861名参与者之间共享的结构,其中包括335名放射性KOA (rKOA).

主要成果:

• AJIVE确定了共享变异的两个重要组成部分 (SC1和SC2).
• SC1将骨质细胞和软骨损伤 (US) 与更高的BMI,年龄和更糟糕的症状联系在一起.
• 与SC2相关的输出和突炎 (US) 具有更好的功能和更低的BMI,表明炎症亚型.

结论:

• 确定了两个不同的KOA表型,可能代表骨细胞/软骨损伤和炎症亚型.
• 这些发现表明了临床上可行的表型,需要进一步调查和验证.