全膝关节置换术（TKA）被认为是治疗晚期膝关节骨关节炎的金标准。常见的并发症包括假体松动和假体周围骨折，这些并发症通常需要进行翻修手术或固定。当与膝关节假体相关的医疗记录丢失时，会使得翻修手术的有效规划变得困难。---等人开发了一种人工智能（AI）系统，用于通过X光片对膝关节假体植入物类型进行分类。
这项回顾性实验研究包括了作者所在医院常用的7种膝关节假体。该人工智能系统使用YOLO（You Only Look Once）版本9进行训练，利用了3228张术后和随访膝关节置换X光片的数据集。这些X光片经过增强处理，最终形成了一个包含25,800张图像的数据集。模型参数进行了微调，以优化假体分类性能。
研究的主要发现如下：
- 研究共包括七种类型的膝关节假体：NexGen (Zimmer Biomet)、Persona (Zimmer Biomet)、Vanguard (Zimmer Biomet)、Legion (Smith & Nephew)、Gemini CR (Link)、Gemini PS (Link) 和 Sigma PFC (Johnson & Johnson)。
- 患者的平均年龄为62.8岁。右膝关节置换术占48.3%，左膝关节置换术占51.7%。
- 膝关节假体的图像数据集中，50.9%来自前后位（AP）视图，49.1%来自侧位视图。
- 该人工智能模型表现出卓越的性能指标，精度、召回率和准确率均为100%，F1分数为1。
- 受试者工作特征曲线（ROC）下的面积（AUC）计算为100%。
作者总结道：“我们开发的人工智能模型在分类膝关节假体类型方面达到了100%的准确率。其在实际临床中的成功应用将帮助外科医生更有效地规划手术。未来的研究应扩展到包括全球所有类型的膝关节假体，并致力于创建一个用户友好的应用程序，以改善患者的结果。”
(全文结束)
