深度学习衍生的直角最小关节空间宽度改善了对膝关节骨关节炎严重程度和进展的放射评估

科学领域:

• 整形外科和运动医学
• 放射学和医学成像学 医学成像学
• 医疗保健中的人工智能

背景情况:

• 膝关节关节炎 (OA) 是导致残疾的主要原因,需要准确的方法来监测疾病的进展.
• 在膝关节骨关节炎中,常规的关节空间宽度 (JSW) 测量缺乏灵敏度和特异性.
• 人工智能 (AI) 为开发新型成像生物标志物提供了潜力.

研究的目的:

• 评估一种新的AI衍生度量,直角最小关节空间宽度 (OMJSW),用于检测和监测膝关节OA进展.
• 将OMJSW的业绩与传统的固定位置JSW措施进行比较.
• 评估OMJSW作为膝关节OA临床试验中的潜在终点的实用性.

主要方法:

• 从骨关节炎倡议 (OAI) 队列中对15313张膝盖放射图进行了回顾性分析.
• 使用深度学习模型对OMJSW进行自动测量.
• 区分能力 (AUC) 和纵向响应 (标准化响应平均值) 与固定位置的JSW措施的比较.

主要成果:

• 与固定位置测量相比,OMJSW在关节空间缩小严重性 (AUC 0.86-0.97) 方面表现优异.
• OMJSW表现出更高的纵向响应,表明对OA进展的敏感性更高.
• 从人工智能获得的指标显示,在不同的基线缩小等级中,响应能力大约提高了2%至4%.

结论:

• 人工智能定量OMJSW显著提高了评估膝关节OA严重程度和进展的灵敏度和特异性.
• OMJSW代表了一个强大的和可重复的结构成像生物标志物.
• 这一新型指标有望成为膝关节OA临床试验和研究的有价值的终点.