Radiology:如何从膝关节x线片中准确地预测未来行全膝关节置换术的不太可能？

头骨关节炎（OA）是最常见的关节炎基本概念，可通过诊断关节病症和放大镜乏善可陈开展病症，是造成了青年人全身智障的主要主因。在美国，比率在25岁及25岁以上的学龄前中所有1400万人患有病症性的髋关节头骨关节炎，每年开展超过60万则有的全髋关节置换（TKR）。

诊断OA病症包括关节疼痛、僵硬和革新运动范围内提高。诊断上，往往使用Kellgren-Lawrence（KL）或InternationalOA深入研究协会(OARSI)等基准一个系统头骨赘和关节间隙狭窄开展数据分析报告，以开展放大镜OA的病症。然而现阶段，X线髋关节OA基准系统有多个版本，尚未设想独立的病症标准规范。同时，诊断上数据分析报告髋关节头骨OA的方法也并不能为病症及预后获取足够且全面的信息。

已对，刊发在Radiology华尔街日报的一项深入研究通过创建以给与全髋关节置换术(TKR)的病人和未给与TKR的相比较病人的髋关节x线片的浅层努力学习(DL)基本概念，以为诊断获取一个有效且准确的得出结论OA困难重重效用的放大镜手段。

本项回顾性数据分析使用初始OA数据，整合了一个髋关节x线片DL基本概念以得出结论OA病人在9年中所给与TKR的不太可能和Kellgren-Lawrence (KL)基准。深入研究自发性包括了45岁至79岁的病则有匹配的相比较亚队列。根据比率、性别歧视、种族和体重指数对病人开展匹配。该基本概念使用了一种基于ResNet34架构的搬迁努力学习方法，并具有七层结构体交叉可验证。人会工作特质圆弧数据分析和前提logistic重返数据分析报告基本概念用于得出结论TKR不确定性和效用的性能，并与诊断观察和两种基于放射学校正的二元结果得出结论基本概念开展比起:KL和OARSI基准。

本深入研究共约纳入728名人会，其中所324名OA病人(平均比率64岁±8岁[标准规范差];222名男人)和324则有相比较组自发性(平均比率64±8岁;222名男人)。基于DL的得出结论基本概念的人会工作特质圆弧下面积(AUC)为0.87(95%置信区间[CI]: 0.85, 0.90)，优于水平线得出结论基本概念的KL基准，其AUC为0.74 (95% CI: 0.71, 0.77; P < .001)。TKR的效用随DL基本概念(优势比[OR]，7.7;95% CI: 2.3, 25; P < .001)、KL基准(OR, 1.92;95% CI: 1.17, 3.13; P = .009)和OARSI基准(OR, 1.20;95% CI: 0.41, 3.50; P = .73)病人发生TKR的不确定性增加而增加。

示意图1 基于影像的小数输出得出结论基本概念的ROC圆弧。结果定义为9年中所有否给与全髋关节置换(TKR)。AUC值回应得出结论TKR的结果。KL基本概念通过Delong检验和Holm校正开展多次比起，以获取数据分析报告得出结论基本概念之间显著关联性的水平线基本概念。

示意图2 基于示意图像的结果得出结论方法:KL、OARS)、DL基本概念、DL-TL基本概念和DL-TL-MT基本概念。

综上所述，本深入研究整合了一个基于水平线x线片的浅层努力学习(DL)基本概念，该基本概念可得出结论OA病人9年中所给与全髋关节置换术(TKR)的不确定性和Kellgren-Lawrence基准。与采用标准规范基准系统的二元结果基本概念相比，本深入研究设想的DL基本概念更加能得出结论头骨关节炎中所TKR的效用，为诊断获取了一个更加准确且有效的放大镜数据分析报告手段。

文中所出处：

Kevin Leung,Bofei Zhang,Jimin Tan,et al.Prediction of Total Knee Replacement and Diagnosis of Osteoarthritis by Using Deep Learning on Knee Radiographs: Data from the Osteoarthritis Initiative.DOI:10.1148/radiol.2020192091