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.
