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
