Badanie opublikowane w PLOS One 14 stycznia ujawnia, że model sztucznej inteligencji do obrazowania rentgenowskiego może pomóc w planowaniu leczenia bez fuzji u nastolatków pacjentów ze skoliozą idiopatyczną.
Naukowcy z Drexel University, kierowani przez doktorantkę Ausilah Alfraihat, opracowali narzędzie do uczenia maszynowego do tetheringu przedniego kręgosłupa (AVBT), minimalnie inwazyjne leczenie chirurgiczne zatwierdzone w USA w 2019 roku. To narzędzie AI może pomóc klinicystom określić najlepszy czas i parametry interwencji.
W badaniu przeanalizowano dane od 91 pacjentów, którzy przeszli AVBT w Shriners Children's Hospital w Filadelfii. Korzystając z promieni rentgenowskich i powiązanych danych pacjentów, sztuczna inteligencja przewidziała ostateczną krzywiznę kręgosłupa ze średnim błędem 6,3 ± 5,6 stopnia, zapewniając klinicznie akceptowalny margines błędu.
Jest to pierwsze badanie, w którym zastosowano sztuczną inteligencję do danych podłużnych pacjentów z AVBT, a model okazuje się obiecujący jako narzędzie kliniczne do poprawy wyników operacji.
Czytaj więcej https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0296739
No items found.
Zobacz także
Zamknij Menedżera preferencji plików cookie
Ustawienia plików cookie
Klikając „Akceptuj wszystkie pliki cookie”, wyrażasz zgodę na przechowywanie plików cookie na swoim urządzeniu, aby usprawnić nawigację po stronie, analizować korzystanie z witryny i pomóc w naszych działaniach marketingowych. Więcej informacji
Wykonane przez Flinch 77
Ups! Coś poszło nie tak podczas przesyłania formularza.