机器学习预测模型的使用在青少年异常学变脊椎病手术中的形对齐规划中
John Ngo1, Kiran Athreya2, Brandon Ehrlich2
1Community Memorial Health, Ventura, California, USA.
概括
预测模型准确地预测了青少年异常脊柱形脊柱病手术后的脊椎骨盆参数变化,特别是在缺口症患者中. 这些模型有助于优化脊柱融合手术规划和结果.
科学领域:
- 脊柱外科手术 脊柱外科手术
- 整形外科的研究研究.
- 生物机械建模 生物机械建模
背景情况:
- 预测模型在优化外科手术规划方面表现有前途.
- 准确地预测形脊椎皮层参数的补偿变化对于脊柱融合结果至关重要.
研究的目的:
- 评估预测模型的准确性,以预测在青少年异常学脊柱病 (AIS) 后后脊柱融合 (PSF) 后形脊柱参数的补偿变化.
- 评估这些模型的长期 (2年) 预测性能.
主要方法:
- 对34名患有Lenke类1-4AIS的儿科患者进行了回顾性分析,这些患者使用患者特定的棒进行PSF治疗.
- 使用经过验证的模型,对手术策略的术前模拟和术后腰部 (LL) 和骨盆倾斜 (PT) 的预测.
- 术前和术后1年和2年获得的放射测量.
主要成果:
- 模型准确地预测了手术后长达两年的低位子组中脊椎皮层参数的补偿变化.
- 在整体队列中,LL和PT的预测在2年随访后显示出统计学上显著的中位数差异.
- 这些模型在预测未融合部分的变化方面表现出了准确性,特别是在hypokyphotic子集中.
结论:
- 预测模型准确预测AIS手术后的补偿性脊椎皮层参数变化,在手术后的两年内,在低位子组中.
- 这些模型在预测未融合部分的结果方面被证明是有效的,有助于为青少年异常学脊椎病的手术规划.
- 这些发现支持使用预测建模来优化脊柱融合手术策略.
