简化膝关节OA预后:使用X射线图和最小临床输入的深度学习方法
Cheng-Tzu Wang1,2, Kai-Ting Chang3, Feipei Lai4
1Department of Orthopedic Surgery, Far Eastern Memorial Hospital, No. 21, Section 2, Nanya South Rd., Banqiao District, New Taipei City 10617, Taiwan.
Diagnostics (Basel, Switzerland)
|October 16, 2025
概括
一种新的视力转换器模型使用膝盖放射和临床数据准确预测膝关节骨关节炎 (OA) 的进展. 这种人工智能工具有助于OA患者的早期干预,提高治疗效率.
科学领域:
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
- 骨关节炎研究 骨关节炎研究
背景情况:
- 膝关节骨关节炎 (OA) 是一种退行性关节疾病,需要准确的进展预测,以便及时干预.
- 目前的预测方法可能缺乏有效的临床管理所需的精度.
- 深度学习模型为OA提供了增强诊断和预后能力的潜力.
研究的目的:
- 开发和验证深层卷积神经网络,特别是基于视觉变压器的模型,用于预测膝盖OA的进展.
- 通过基线膝盖放射和临床数据来评估模型的性能.
- 评估模型识别可能进展并需要手术干预的患者的能力.
主要方法:
- 在骨关节炎倡议 (OAI) 数据集中的5565张膝盖放射图上训练了一种视觉转换器模型.
- 该模型使用了基线图像和临床数据 (完整或基本因素,单个或配对图像).
- 对远东纪念医院的274例病例进行了外部验证,评估了AUROC,准确性,敏感性和特异性等指标.
主要成果:
- 该模型在OAI测试中实现了0.808的AUROC,用于OAI进展预测 (最简单的输入:单个图像与基本因素).
- 外部验证显示,OA进展的AUROC为0.709.
- 该模型显示出强大的预测能力来识别手术候选人,在OAI中赔率比率为23.87,在外部验证中为5.92.
结论:
- 开发的视力变压器模型提供了可靠和高效的膝盖OA进展预测.
- 该模型的简单性和灵活性提高了其临床适用性.
- 这种人工智能工具有可能显著改善OA患者的早期干预策略.
