您好, 访客   登录/注册

基于人工智能的THA术前规划模型的临床应用研究

来源:用户上传      作者:杨豪 李森磊 陈龙 张逸凌 孙立

  摘 要: 研究人工智能算法模型的优越性同时探索患不同髋关节疾病患者在规划后行全髋关节置换术的临床效果。通过比较数字模板法和人工智能算法的准确率、可靠性(规划不同种病种的可重复性)、临床的有效性(手术时长、术中出血量、术后情况)发现,人工智能组规划髋臼杯和股骨柄准确率以及手术效果均优于数字模板规划组。因此得出结论:基于人工智能的术前规划方式比传统规划方式准确率更高、手术效果更好。
  关键词: 人工智能; 数字模板; 术前规划; 全髋关节置换术; 有效性
  中图分类号:TP399 文献标识码:A 文章编号:1006-8228(2022)10-60-04
  Clinical application of preoperative planning model of THA based on artificial intelligence
  Yang Hao Li Senlei Chen Long Zhang Yiling Sun Li
  (1. GuiZhou University Medical College, Guiyang, Guizhou 550025, China;
  2. Department of Orthopaedics,Guizhou Provincial People's Hospital; 3. Beijing changmugu Medical Technology Co., Ltd.)
  Abstract: In this paper, the advantage of artificial intelligence algorithm model is studied, and the clinical effect of THA in patients with different hip diseases after planning is explored. By comparing the accuracy, reliability and clinical effectiveness of digital template method and artificial intelligence algorithm, it is found that the accuracy of planning for acetabular cup and femoral stem as well as the surgical effect in artificial intelligence group is better than those in digital template planning group. Therefore, it is concluded that the preoperative planning method based on artificial intelligence has higher accuracy and better surgical effect than the traditional planning method.
  Key words: artificial intelligence; digital template; preoperative planning; total hip arthroplasty; effectiveness
  0 引言
  每年有近百万人行全髋关节置换术(Total hip arthroplasty,THA)(手g过程如图1),而手术成功的关键之一在于假体型号和大小的选择。伴随着大数据时代的到来,以及计算机技术、影像学、医学的高速发展和交叉融合,给外科医师带来了新的技术手段。有学者使用计算机图形处理软件,将患者X光片导入计算机,使用二维数据库模板比对测量从而进行术前规划(如图2)。也有学者将CT数据三维重建后进行3D打印,在模型上进行术前规划和模拟。但是前者受X光片放大比例影响,准确率差;后者需要医师手动分割,耗时长、难度大。所以我们希望有一种可以自动规划患者患侧假体大小和型号的算法模型出现,并且验证其在临床中的可行性与有效性。
  1 概述
  THA已经是十分成熟有效地治疗终末期髋关节疾病的手术方式,它可以有效减轻患者关节疼痛,改善髋关节功能[1]。但是假体选择不准确会使得术后易出现并发症[2],如关节不稳和假体松动[3]。
  目前国内外多用数字模板进行术前规划选择假体,即在计算机中测量二维X光片放大比例,计算解剖标志点之间的距离,然后在提前建立的假体模板库中根据医师经验进行覆盖测量。该方法虽然简单,但是髋关节疾病患者多伴有病因多样化的特点同时受光片放大比例影响,因此规划效率低,准确率为40%-80%。为了提高术前规划的准确率,医师和工程师发现深度学习和三维重建技术非常适合数字骨科学。深度学习技术是深度模拟人大脑的构成[4],在视觉上突破原有机器学习技术的界限。三维重建是将患者CT信息从二维平片重建为三维模型,医师可以在三维视图下进行术前规划或是模拟操作。国外工程师使用MIMICS(Materialise’s interactive medical image control system)工程模块进行人为分割和髋关节三维重建,然后规划选择假体,准确率可达90%。这两种术前规划手段仍由医师进行手动分割,有操作复杂、耗时长、费用高昂等弊端,无法大规模推广和应用。
  因此,我们希望有一种算法模型可以精确识别髋关节解剖标志点,自动重建三维模型,同时智能植入合适型号的假体。
  2 目标

nlc202210171909



  本次研究旨在探索大样本下三种常见髋关节疾病(股骨颈骨折、股骨头缺血性坏死、发育性髋关节发育不良(Developmental dysplasia of the hip,DDH)通过基于人工智能算法的术前规划同数字模板法规划后行THA的准确性(假体规划和实际植入的比较)、可靠性(不同种病种规划的差异)以及有效性(手术衡量指标)。
  3 方法
  患者纳入标准:①所有患者症状、体征、影像学检查确诊,既往均未行患髋部矫形手术;②髋关节疼痛明显且伴有功能障碍;③经过评估能够耐受手术。
  患者排除标准:①患者有影响关节活动性的非髋关节疾病;②患者髋部开放性骨折;③不配合随访的患者。
  研究疾病类型:股骨颈骨折(对照组52例、实验组53例);股骨头缺血性坏死(对照组59例、实验组54例);DDH(对照组57例、实验组55例)。
  3.1 对照组
  使用贵州省人民医院骨科自主研发的数字模板规划软件(版本1.0),术前拍摄标准盆骨正位片、双下肢全长片、侧位片等。拍摄时取仰卧位,患者在大腿根部内侧粘贴已知直径为51.90mm的钢球作为标志物,用以计算光片比例因子(比例因子=钢球实际测量直径/X光片上测量所得钢球直径)。规划时,髋臼模板紧贴髋臼内壁,股骨柄假体最大程度覆盖股骨髓腔,医师根据患者骨质情况和经验选择假体类型。同时医师在考虑生物力学的基础上使得假体在Lewinneck[5]安全区内,数字模板规划过程(如图2)。
  该方法的缺点:①每次设备和患者之间的距离会有差异,导致放大比例有误差;②在拍摄髋关节正位片时,理论上患者脚尖内旋30°,实际上不同患者内旋角度不会是标准的角度;③髋关节作为复杂的球窝状关节,假体的空间立体属性无法在二维X光片上得到精确体现[6]。
  3.2 实验组
  3.2.1 人工智能术前规划方式模型建立(如图3)
  在MIMICS的基础上,熟练医师进行手动分割和标注(将典型疾病进行分类),把规划结果反复核验。然后做深度学习神经网络学习分割:使用G-net人工智能神经网络进行学习(主结构:2D dense-unet(在unut模型基础上引入denseblock结构))(如图4所示)[7]。建立假体数据库:将常用的不同尺寸以及型号的髋臼杯、股骨柄假体进行呙柚亟āT谝丫学习好的模型中,可以精确识别并且分割股骨和髋臼位置从而计算不同解剖标志点之间的距离差,自动匹配合适假体。最后建立交互式页面给医师进行调整优化选择。
  目前国内外研究都未验证相关模型在大样本下的有效性、在不同髋关节疾病中的可重复性,以及临床术中和术后疗效。
  3.2.2 规划过程
  患者术前完成层厚为1mmm的CT平扫,距离为整个骨盆+股骨小转子下至少15cm。使用已经建立的G-NET神经网络算法模型对患者重建的股骨区域进行分割和解剖标志点识别,通过区域增长和图像增强将股骨和骨盆做分离处理,通过点对点识别算法自动计算解剖标志点之间的相对位置(如图5),再根据算法模型规划出合理型号的髋臼杯、内衬、球头、股骨柄以及放置角度和位置(如图6)。医师可以根据患者相关检测报告,再结合患者实际情况做出调整,医师也可以观察到术前重建和模拟手术的患者冠状面、矢状面、横切面视图。
  术前记录两组规划方式的假体信息;术中对照组和实验组采用同一组手术医师和同一公司假体;记录手术时间、患者出血量(出血量计算=吸引器吸出血液量+带血纱布重量-纱布初始重量)、实际假体型号;术后记录患者住院天数(住院天数=自手术日起至办理出院间隔天数)。
  此项研究已经经过贵州省人民医院伦理委员会批准。(伦审(科研2021-70号))
  4 统计学分析和临床结果分析
  4.1 统计学分析
  使用spss26.0进行统计学分析。计量资料采用均数±标准差表示([x]±s),对照组和实验组组间分析采用独立样本t检验,计数资料选用卡方(c2)检验,根据样本量,分别使用皮尔逊卡方检验和连续校正卡方检验。检验水准P<0.05认为差异具有统计学意义。
  根据表1:对照组规划准确率在56.14%-78.84%,实验组规划准确率在85.45%-94.34%。所有髋臼杯、股骨柄假体对照组和实验组的准确率差异具有统计学意义(P<0.05)。根据表2:手术时间、术中出血量、住院时间数据,实验组优于对照组,差异均有统计学意义(P<0.05)。
  4.2 结果分析
  使用人工智能规划的实验组,无论是髋臼杯还是股骨柄规划,准确率都显著高于传统数字模板规划的对照组,平均准确率为90.46%远高于对照组的65.06%。这考虑是因为三种疾病在基于人工智能的术前规划手段下,通过三维重建,能够清晰地观察到股骨情况和髋臼解剖标志点,有效的避免图像模糊带来的影响,同时又由于智能植入假体,避免了不同经验医师考量不周带来的影响。
  DDH组对照组和实验组的准确率差异为29.41%,最为明显,考虑原因:DDH患者关节畸形多变而且极其复杂。如果按照传统数字模板规划,磨挫不够则无法取得足够初始稳定性;磨挫较深则容易磨穿前后壁。DDH患者多骨质情况差,植入股骨柄过小会造成假体松动,植入假体过大则术中易撑破髓腔,大幅度增加手术难度和失败的可能性。人工智能规划算法模型能很好的解决上述问题,医师可从不同角度观察植入假体情况和前后壁厚度,最大程度地降低手术难度。实验组股骨柄规划准确率普遍较高,考虑原因:三维立体图像中髓腔清晰呈现并且算法会自动根据解剖标志点计算相对距离,植入精确假体,避免数字模板放大比例带来的负面影响。实验组疗效(手术时间、术中出血量、住院天数)优于对照组,考虑原因有:精确的术前规划,减少术中磨挫次数和假体适配时间,减少了术中出血量。精确手术使得患者术后疗效更好,所以相对减少住院时间。

nlc202210171909



  熟练掌握数字模板规划需要15分钟左右,其需要手动分割、针对复杂案例无法实现个性化规划。而人工智能算法规划平均耗时为5分钟,这大大提升了规划速度。即使是复杂案例如股骨头缺血性坏死患者Ⅳ期或DDH患者,实验组规划准确率也远高于对照组,这提示我们:基于人工智能的算法模型非常适合复杂案例的术前规划。
  本次研究发现基于深度学习的人工智能髋关节算法模型有以下优点。①从算法方面具有的优越性:基于深度学习的人工智能算法对骨骼骨块能够实现精准分割[7],本次实验组验证了这一点,同时发现原本CT信息中无法被人眼识别的信号经过人工智能三维重建后能够得以清晰呈现所以规划准确率得到了极大的提升;②基于人工智能算法模型使得髋关节的空间立体属性得到体现,相较于传统方法其不但能够展示髋关节的前倾角、外展角、髋臼前后壁骨,而且能够使医师从不同考量进行模拟试错,从而提升手术疗效;③从规划速度而言:人工智能术前规划平均耗时仅为5分钟,速度更快效率更高。
  本次验证明了人工智能规划方式在大样本下的有效性和其规划不同疾病的可靠性,但是研究也有着以下不足:①只探讨了三种常见髋关节疾病,而强直性脊柱炎、风湿性关节炎、类风湿性关节炎等复杂案例未进行详细讨论和实验;②由于人工智能术前规划刚应用于临床,患者多年后假体松动率以及假体脱落率等还未研究;③本次实验的人工智能算法模型研究对象都为初次髋关节置换,而髋关节翻修术、髋臼缺损严重等未进行研究。
  5 结束语
  由于临床医学中人体和髋关节疾病的复杂性、不可预测性,所以获得的数据信息以及信号表达、决策等诸多方面都有着极其复杂的非线性关系,因此关节外科的术前规划非常适合人工智能的应用。随着“人工智能”、“医工结合”、“智慧医疗”的交叉融合,临床医师越发感受到数字化的优势,通过智能化手段可以提高行全髋关节置换术的假体选择准确率、减少年轻医师的学习曲线、降低手术难度、使得手术更加顺利和成功,这也将是未来医学发展的重要趋势[8]。
  参考文献(References):
  [1] Chang RW, Pellisier JM, Hazen GB. A cost-effectivenessanalysis of total hip arthroplasty for osteoarthritis of the hip[J].JAMA,1996,275(11):858-865
  [2] Bozic KJ, Kurtz SM, Lau E, et al. The epidemiology ofrevision total hip arthroplasty in the United States[J]. J Bone Joint Surg Am,2009,91(1):128-133
  [3] Palmer PP, Miller RD. Current and developing methods ofpatient-controlled analgesia[J]. Anesthesiol Clin,2010,28(4):587-599
  [4] 毛健,赵红东,姚婧婧.人工神经网络的发展及应用[J].电子设计工程,2011,19(24):62-65
  [5] 徐征宇,杜俊炜,姜瑶,等.三维数字规划和二维胶片模板测量辅助全髋关节置换的效果比较[J].生物骨科材料与临床研究,2021,18(2):17-22
  [6] Brenneis M, Braun S, van Drongelen S, et al. Accuracy ofPreoperative Templating in Total Hip Arthroplasty With Special Focus on Stem Morphology: A Randomized Comparison Between Common Digital and Three-Dimensional Planning Using Biplanar Radiographs[J]. J Arthroplasty,2021,36(3):1149-1155
  [7] Wu D, Liu X, Zhang Y, et al. Research and application ofartificial intelligence based three-dimensional preoperative planning system for total hip arthroplasty[J]. Zhongguo Xiu Fu Chong Jian Wai Ke Za Zhi,2020,34(9):1077-1084
  [8] 王军强,樊瑜波.计算机辅助骨科手术技术将改善股骨颈骨折治疗[J].中国骨伤,2018,31(2):99-102

nlc202210171909




转载注明来源:https://www.xzbu.com/8/view-15441140.htm

相关文章