Клиническое применение системы предоперационного планирования с искусственным интеллектом в сочетании с поиском экспертных баз данных в комплексной ревизионной хирургии тазобедренного сустава

Резюме

В этом исследовании предлагается новый подход к предоперационному планированию с помощью искусственного интеллекта, основанный на экспертном извлечении базы данных хирургических случаев при ревизионном эндопротезировании тазобедренного сустава. Кроме того, метод первоначально был использован у пяти пациентов, что показало сокращение времени операции и интраоперационное кровотечение.

Аннотация

Точное предоперационное планирование при ревизионном эндопротезировании тазобедренного сустава имеет решающее значение для достижения успешных результатов. Чтобы улучшить интуитивную оценку тяжести дефекта вертлужной кости и использовать предыдущий успешный опыт ревизионного эндопротезирования тазобедренного сустава, в этом исследовании предлагается новый подход, основанный на экспертном поиске базы данных хирургических случаев, и первоначально реализован в клиническом применении. В этом исследовании пять пациентов, которым потребовалась ревизионная эндопротезация тазобедренного сустава, были предварительно запланированы для использования экспертной базы данных клинических случаев. Данные визуализации пациента были введены в систему и сопоставлены с случаями в базе данных экспертов. На основании хирургического опыта эксперта был рекомендован план ревизионной операции. Если подходящий случай не был найден, модель и положение протеза планировались на основе результатов реконструкции для конкретного пациента. В общей сложности в это исследование было включено пять пациентов, четыре мужчины и одна женщина, средний возраст которых составил 50,6 лет. Диагноз – асептическое расшатывание протеза после эндопротезирования тазобедренного сустава. Среднее время операции составило 123,2 мин, а среднее интраоперационное кровотечение - 672 мл. Интраоперационных осложнений, таких как повреждение сосудов или нервов, не наблюдалось. В Случае 2, например, применение этой инновационной схемы планирования позволило хирургу наметить план ревизионной операции для этого пациента в предоперационном периоде, тем самым сократив время операции и интраоперационное кровотечение. Кроме того, пациенты могут быть заранее проинформированы о результатах аналогичных случаев. Использование подхода к анализу больших данных с помощью нашей обширной базы данных случаев позволяет автоматически определять подходящие планы лечения экспертов на протяжении всего процесса. Это особенно полезно для неопытных хирургов-ортопедов, предоставляя точные рекомендации по хирургическим стратегиям, чтобы помочь им в выборе подходящих размеров протезов и монтажных позиций. Кроме того, сопоставление результатов может предложить пациентам визуализацию, отображающую прогнозируемые послеоперационные результаты.

Введение

Растущая распространенность первичного тотального эндопротезирования тазобедренного сустава (ТХА) привела к соответствующему росту потребности в ревизионном эндопротезировании из-за ряда факторов, включая асептическое расшатывание, инфекцию, рецидивирующий вывих и перипротезный перелом¹. По сравнению с первичным эндопротезированием тазобедренного сустава, ревизионная хирургия тазобедренного сустава является более технически сложной и клинически сложной процедурой, с более высокими показателями смертности², более высокими затратами на здравоохранение³ и повышенным риском осложнений⁴.

При ревизионном эндопротезировании тазобедренного сустава реконструкция потери вертлужной кости и выбор протеза имеют первостепенное значение для определения успеха операции. Хирург-ортопед должен оценить остаточный костный запас и измененную анатомию, стремясь к адекватной начальной стабильности вновь имплантированной вертлужной впадины¹. Следовательно, точное предоперационное планирование имеет решающее значение для определения доступных вариантов лечения.

В настоящее время хирурги-ортопеды отвечают за проведение комплексной оценки и планирования ревизионного эндопротезирования на основе результатов предоперационной визуализации и собственного хирургического опыта. Тем не менее, это будет представлять собой серьезную проблему для неопытного хирурга.

С развитием технологии искусственного интеллекта (ИИ) она все чаще используется в ортопедической хирургии, в первую очередь для сегментации изображений, диагностики и классификации патологий и имплантатов⁵. Между тем, ИИ начинает достигать первоначальных успехов в оказании помощи первичному THA⁶. Тем не менее, разумное предоперационное планирование ревизионной артропластики тазобедренного сустава остается чистым листом. ИИ имеет многообещающее будущее в ревизионной хирургии тазобедренного сустава, особенно в оценке костных дефектов. Эти дефекты уникальны для каждого пациента, и, хотя они демонстрируют определенные закономерности, традиционному методу классификации Папроски не хватает точности, необходимой для их полной характеристики. Тем не менее, ИИ способен извлекать более подробную информацию из данных изображений, предлагая многообещающее направление для повышения точности и точности оценки костных дефектов. Мы разработали новую систему предоперационного планирования с помощью искусственного интеллекта, чтобы помочь хирургам-ортопедам принять решение о ревизионном эндопротезировании на основе экспертной базы данных хирургических случаев.

Впервые мы разработали новый метод реконструкции дефектов вертлужной кости, количественно оценивая и типируя дефекты вертлужной кости. Впоследствии мы создали базу данных ревизионных случаев тазобедренного сустава, собрав клинические и визуализирующие данные о 200 ревизионных хирургических случаях тазобедренного сустава от старшего национального эксперта. База данных состоит из предоперационной компьютерной томографии (КТ), предоперационной рентгенографии, послеоперационной рентгенографии и демографических данных пациентов. Мы можем сопоставить случаи в базе данных на основе текущих характеристик костных дефектов пациентов, запланированных на операцию, и найти наиболее похожие сценарии случаев, чтобы предоставить хирургу предоперационную справку. Такой подход позволяет хирургу иметь предоперационное представление о протоколе ревизии вертлужной впадины, сокращая время интраоперационных проб и ошибок.

протокол

Исследование получило разрешение от Этического комитета Ортопедически-травматологической больницы Лоян провинции Хэнань. Кроме того, это исследование было основано на данных визуализации и не нанесло бы вреда добровольцам и не раскрыло их информацию. Таким образом, в соответствии с национальным законодательством и институциональными требованиями, участникам или их законным опекунам/ближайшим родственникам не было необходимости подписывать форму информированного согласия.

1. Импорт изображений

1. Импортируйте исходные данные компьютерной томографии двустороннего тазобедренного сустава пациента. Откройте программное обеспечение для обработки медицинских изображений, выберите «Импортировать данные » и нажмите «Локальные данные », чтобы импортировать исходные данные КТ пациента. На рисунке 1 показан интерфейс импорта изображений.

2. Восстановление дефекта вертлужной кости на пораженной стороне

1. Определите, имеется ли у пациента одностороннее или двустороннее поражение. Выберите инструмент «Измерение » и с помощью мыши нарисуйте прямоугольную рамку на изображении, непосредственно измеряя значение HU (единица Хаунсфилда, HU) области тазобедренной кости. Считайте, что металл присутствует, когда значение HU превышает 1000, и обозначьте эту область как пораженный тазобедренный сустав.

3. Сегментация и реконструкция изображений

1. Выберите данные изображения пациента для планирования. Выберите опцию Автоматическая сегментация , значение CT 400 выбрано по умолчанию для грубой сегментации тазобедренной кости.
2. Нажмите кнопку «Редактировать », чтобы вручную настроить результаты сегментации каждой части каждого слоя. Затем выберите опцию «3D-реконструкция », чтобы завершить расчет 3D-реконструкции участка пациента. Реконструированная 3D-модель в основном включает в себя левую/правую тазобедренные кости и левую/правую бедренную кости. Как показано на рисунке 2, разные детали отображаются разными цветами.

4. Перегородка дефекта вертлужной кости и расчет количества дефекта

1. Для пациентов с односторонней хирургией тазобедренного сустава выберите 3D-модель здоровой стороны. Используйте функцию зеркала, чтобы выровнять его с анатомическим строением пораженной стороны. На этом будет завершена реконструкция модели восстановления тазобедренного сустава.
2. Для пациентов с двусторонней хирургией тазобедренного сустава откройте библиотеку стандартных моделей и выберите модель тазобедренного сустава , которая наиболее похожа на анатомию пациента в качестве модели восстановления.
3. Нажмите кнопку «Разделить », чтобы разделить 3D-модель дефекта тазобедренного сустава (пораженной стороны), восстановленную на шаге 2, и 3D-модель тазобедренного сустава, восстановленную на шаге 3. Затем нажмите на опцию «Разностная операция », чтобы выполнить разностную операцию на двух разделенных моделях тазобедренной кости для расчета дефекта вертлужной впадины. Модель тазобедренной кости будет разделена на различные области в соответствии^{с методом 7} Цинь, как показано на рисунке 3.
   ПРИМЕЧАНИЕ: Из-за акцента на 3-точечную фиксацию (лучевая деформация, лобная ветвь и передневерхняя часть вертлужной впадины) вертлужной впадины в границах вертлужной стенки, вертлужная впадина была разделена на 3 равные части через каждые 120°, определенные как черепная крыша, передняя колонка и задняя колонна, за исключением медиальной стенки. Для руководства хирургическими процедурами изготовьте подслои в зависимости от диаметра вертлужной впадины. Было определено, что внутренний слой должен находиться в диапазоне от 54 мм до 62 мм, а внешний слой должен лежать в диапазоне от 62 мм до 70 мм для мужчин. Внутренний слой находится в диапазоне от 50 мм до 58 мм, а внешний слой - от 58 мм до 66 мм для женщин.

5. Экспертный поиск по ревизионной базе данных тазобедренного сустава - планирование дефекта вертлужной впадины

1. Откройте базу экспертных кейсов и используйте рассчитанный объем дефекта вертлужной впадины, как описано выше, в качестве входных данных для извлечения. Выберите измерительные инструменты для оценки соответствующих параметров планирования на предоперационных и послеоперационных рентгеновских снимках полученных случаев и получения данных планирования.
2. Откройте базу экспертных кейсов и введите тип и количество дефекта тазобедренного сустава для автоматического извлечения. Будет получена соответствующая информация о случаях в базе данных, включая предоперационные и послеоперационные снимки аналогичных случаев и параметры планирования врача (размер имплантата, положение и т.д.).
3. Результаты поиска будут представлены в порядке сходства от наибольшего к самому низкому. Пусть врач выберет наиболее похожие случаи. Полная процедура показана на рисунке 4.
4. Если подобный случай не может быть найден в вышеуказанной базе данных, примите результат реконструкции модели из шага 2, используя центр интактной вертлужной впадины в качестве центра вертлужной впадины. По умолчанию антеверсионный угол вертлужной впадины составляет 20°, а угол отведения – 40° (это правило клинически определено).
   ПРИМЕЧАНИЕ: После планирования хирург может предвидеть хирургическую процедуру и подготовить протез и вспомогательные инструменты с большей точностью. Такой подход исключает возможность столкнуться с ситуацией, когда правильный протез недоступен во время операции. Более того, рекомендуемое решение используется непосредственно во время работы, что устраняет необходимость в альтернативных решениях, обходных путях или длительных процессах проб и ошибок.

Результаты

В настоящее время мы применили этот метод в пяти случаях пациентов, которым было выполнено ревизионное эндопротезирование тазобедренного сустава, в том числе у четырех мужчин и одной женщины. Возраст варьировался от 42 до 67 лет. Они были диагностированы как расшатыван...

Обсуждение

Из-за значительных анатомических повреждений, сложного состояния мягких тканей после эндопротезирования тазобедренного сустава и наличия тяжелых металлических артефактов, часто связанных с металлическими имплантатами, опытным медицинским работникам часто необхо...

Материалы

Name	Company	Catalog Number	Comments
PyCharm	JetBrains	243.21565.199	The Python IDE for data science and web development