一项由牛津大学NDORMS进行的新研究发现，机器学习模型在预测部分膝关节置换手术（UKR）的不良结果方面优于经验丰富的骨科医生。这项研究发表在《The Knee》杂志上。
“即使对于有经验的外科医生来说，仅通过查看X光片来确定为什么一些患者在部分膝关节置换术后出现不良结果也常常非常困难，”该研究的主要作者、NDORMS临床生物力学研究员杰克·图博士说。“因此，我们设计了一项研究，以了解人工智能是否有可能增强手术决策并改善患者护理。”
研究团队训练了一个机器学习模型，以识别与不良结果相关的图像模式，而这些图像对医生来说看起来是正常的。然后，他们分析了超过900张术后一年拍摄的X光片，并比较了经验丰富的外科医生和机器学习模型预测结果的能力。
结果显示，机器学习模型准确识别了71%的不良结果患者，而外科医生的识别率仅为0%到7%。
“这种使用人工智能的新方法与医学中通常应用的机器学习不同。它不仅复制了医生已经能做的事情，还能够识别以前未知的视觉标记，这些标记可能预示并发症，”图博士补充道。
“如果这项技术能够更广泛地使用常规关节置换注册数据，它有可能显著改善部分膝关节置换手术的结果。”
通过精确定位导致不良结果的具体影像特征，研究人员希望最终能够修改手术技术和植入物设计，以减少患者不满意的风险。研究团队计划进一步分析AI模型用于做出预测的X光特征，这可能为外科医生提供新的见解，以优化患者选择和部分膝关节置换手术的技术。
(全文结束)
