Department of Orthopaedics and Traumatology, The University of Hong Kong, China Arthroplasty 是亚洲人工关节学会(ASIA)与 Springer Nature 旗下品牌 BMC 合作出版的官方杂志。 近期,Arthroplasty 新发表了一篇文章“综述:人工智能在膝骨关节炎诊断及关节置换疗效预测中的应用”。本文精心提炼了中文要点,欢迎大家点击文末“阅读原文”查看完整内容。
背景
人工智能(AI)和机器学习(ML)建模是一种新的决策辅助工具,可用于膝骨关节炎(KOA)诊断、患者选择、TKA术前规划、病情进展预测及治疗效果评估等方面。这一工具随着技术和数据集的进步正在不断改善,但仍需要更广泛的验证。
AI泛指的是模拟人类智能、自动高精准性地完成任务的技术。ML则是AI的一个分支,包括自动从“数据”中学习的算法,在训练过程中不断优化、提高准确性。
AI可处理庞大且复杂的数据集,并产生相应预测,提高医疗决策的准确度和效率。ML算法同样可建模用于辅助TKA术前规划,促进手术精度提高,降低人工成本。
本综述旨在汇总现有证据,重点介绍AI和ML在KOA诊断、预测TKA需求和疗效方面的最新进展。
材料和方法
以“AI”、“机器学习”、“膝关节”、“骨关节炎”、“关节置换”为关键词,在PubMed和EMBASE数据库里搜索了2010年1月1日至2021年5月31日发表于同行评议期刊上,关于AI在KOA诊断、TKA需求预测及TKA疗效预测中的应用的文章,只纳入英语文章。
结果
最终共纳入22篇文章(表1)。表2总结了AI算法的特性、性能和优缺点。AI算法用于TKA的疗效预测见表3所示。
TKA诊断和需求预测
目前已有多个机器学习模型被开发用于KOA的放射诊断和KOA严重度分级(基于应用最广的Kellgren-Lawrence分级)(表2)。Tiulpin等人基于卷积神经网络开发了一种自动分级模型。该模型使用了多中心的18376张平片进行训练,随后使用5960张未在训练集中使用的平片进行测试,最终kappa系数为0.83,平均多级准确率67%,提示了较好的一致性(与医生的组间和组内一致性相比)。
TKA术后效果的预测
AI可以用于TKA患者术后不满意度方面的预测。鉴于有多达20%的患者对TKA术后效果不满意,且现有的统计模型不能完全解释不满意原因,监督式机器学习模型提供了另一种可选方案,可自动搜寻患者不满意的预测因素。
对于TKA的并发症,此前已有多种风险预测计算器,但这些传统计算器存在如精确度差、外推性受限等缺点,ML模型提供了另一种预测术后并发症的替代方法。但总体而言,ML在预测TKA术后并发症方面尚未得到广泛应用,有必要进行进一步的模型开发并进行严格的内外部验证。
讨论
我们发现AI和ML模型可提高膝关节平片的自动分级、TKA患者选择、患者术后报告和患者满意度以及短期并发症方面的预测。当前的AI算法不足包括缺乏外部验证、临床数据存在固有偏差、大型数据集训练不足、重大的研究和监管空白。
AI在关节置换中的不足
目前,人工智能算法的应用有局限性。首先,准确性和适用性是主要问题,很少有模型得到外部验证。在算法开发和测试过程中,有必要对预测模型进行更严格的外部验证,以确保算法用于临床前的稳健性和可靠性。
第二,机器学习模型是需要大量的数据集来进行训练。这些数据集往往包含数百万个独特的数据点,需要进行数小时或数天的训练,并需要额外的数据集来评估其适用性。
第三,围绕人工智能使用的一个共同关注点是机器学习模型的“黑箱”本质。机器学习算法在决策产生过程中的不透明,导致人们对它如何生成预测和建议的理解不够,同时也难以进行科学解释。
最后,这项新技术存在重大的研究和监管空白。
结论
在KOA诊断和改善TKA术前规划方面,AI提供了一个有前景的解决方案。有必要进行进一步的研究来克服ML模型的局限性,确保其未来用于常规医疗环境的可靠性。
ARTHROPLASTY 杂志
本篇文章刊登于ASIA官方杂志 Arthroplasty (ISSN: 2524-7948)。
Arthroplasty 是亚洲人工关节学会(ASIA)与 Springer Nature 旗下品牌 BMC 合作出版的官方杂志。
Arthroplasty 创刊于2019年,为金色开放获取期刊,已成功被DOAJ、ESCI、Scopus、PMC收录入库,本刊专注于出版关节疾病管理和康复方面的最新研究和临床进展,内容精湛。真诚邀请您投稿Arthroplasty,让我们一起为关节领域发展做出贡献,推动亚太地区人工关节研究的学术发展。
投稿地址:
https://www.editorialmanager.com/arpl/default.aspx
联系客服