通訊作者：Glen Purnomo Singapore General Hospital, Singapore Arthroplasty 是亞洲人工關(guān)節(jié)學(xué)會(huì)（ASIA）與 Springer Nature 旗下品牌 BMC 合作出版的官方雜志。 近期，Arthroplasty 新發(fā)表了一篇文章“人工智能在人工關(guān)節(jié)置換中的應(yīng)用”。本文精心提煉了中文要點(diǎn)，歡迎大家點(diǎn)擊文末“閱讀原文”查看完整內(nèi)容。
背景
人工智能（AI）是計(jì)算機(jī)科學(xué)的一個(gè)子領(lǐng)域，可使用計(jì)算機(jī)模擬人類認(rèn)知功能，并實(shí)施類似甚至超過(guò)人類的任務(wù)。傳統(tǒng)上，需要特殊計(jì)算機(jī)編碼詳細(xì)指導(dǎo)機(jī)器如何去處理數(shù)據(jù)和做出決策。通過(guò)機(jī)器學(xué)習(xí)（ML）算法，計(jì)算機(jī)可以在沒(méi)有確切指導(dǎo)的情況下，通過(guò)大規(guī)模數(shù)據(jù)輸入和輸出來(lái)學(xué)習(xí)和提高，以辨認(rèn)出相同的圖案。此部分AI子集強(qiáng)調(diào)的是機(jī)器智能的學(xué)習(xí)部分，以開(kāi)創(chuàng)自主解決方案。
深度學(xué)習(xí)（DL）是一種更高級(jí)和復(fù)雜的ML形式，可通過(guò)創(chuàng)造一種人工神經(jīng)網(wǎng)絡(luò)（ANN）模擬大腦的神經(jīng)元連接。該算法可在無(wú)監(jiān)督的情況下從非結(jié)構(gòu)化和未標(biāo)簽的輸入中學(xué)習(xí)，并將低相關(guān)變量從輸入數(shù)據(jù)中區(qū)分開(kāi)來(lái)，以進(jìn)行感興趣的預(yù)測(cè)。深度神經(jīng)網(wǎng)絡(luò)（DPP）則包含多個(gè)層次的ANN，可改進(jìn)數(shù)據(jù)預(yù)測(cè)，在并無(wú)明確編程方向的情況下開(kāi)發(fā)模型。卷積神經(jīng)網(wǎng)絡(luò)（CNN）是DL的另一種形式，被用于包括醫(yī)學(xué)影像分析在內(nèi)的計(jì)算機(jī)視覺(jué)任務(wù)。
在骨科領(lǐng)域，AI的影響在過(guò)去二十年也獲得飛速發(fā)展。目前該技術(shù)在多個(gè)不同領(lǐng)域均存在應(yīng)用的可能，如圖像識(shí)別診斷、手術(shù)風(fēng)險(xiǎn)預(yù)測(cè)、生成患者個(gè)性化的費(fèi)用模型、增強(qiáng)臨床決策和結(jié)果預(yù)測(cè)。本文目的在于對(duì)AI目前在關(guān)節(jié)置換領(lǐng)域的應(yīng)用及在臨床領(lǐng)域應(yīng)用的證據(jù)支持進(jìn)行一簡(jiǎn)要綜述。
診斷工具
計(jì)算機(jī)輔助診斷具有客觀及高精準(zhǔn)度的特點(diǎn)，可用于幫助醫(yī)生進(jìn)行決策。CNN已在一系列常規(guī)的影像識(shí)別應(yīng)用中獲得了突破?；谙リP(guān)節(jié)X片的OA診斷和分期已可通過(guò)CNN進(jìn)行。Brahim等人證明通過(guò)他們的算法，甚至可以發(fā)現(xiàn)早期OA。Xue等人開(kāi)發(fā)的一套DL模型可在無(wú)人干預(yù)的情況下使用平片進(jìn)行診斷，整體效能類似于一名具有10年經(jīng)驗(yàn)的影像學(xué)專家。最近Leung等人提出的模型，則不僅可發(fā)現(xiàn)膝關(guān)節(jié)OA，還可預(yù)測(cè)OA是否會(huì)在9年內(nèi)進(jìn)展到TKA。
另一種應(yīng)用方式則是用于診斷癥狀前的OA患者，以盡早干預(yù)，改變疾病進(jìn)程。
Kundun等人運(yùn)用AI對(duì)MRI中水分分布進(jìn)行分析，對(duì)出現(xiàn)癥狀之前3年的膝OA患者進(jìn)行了診斷。近期AI技術(shù)的進(jìn)展，已證明圖像識(shí)別可被用于識(shí)別假體松動(dòng)。Shah等人通過(guò)ML在平片上診斷假體松動(dòng)，獲得了95.6%的準(zhǔn)確率。這使得醫(yī)生可以在無(wú)需進(jìn)行PET\ECT等昂貴的影像學(xué)檢查的情況下進(jìn)行診斷，且這些影像學(xué)檢查并未證明可顯著提高診斷準(zhǔn)確率。
患者個(gè)性化費(fèi)用模型
基于患者個(gè)性化的因素，使用AI在術(shù)前預(yù)測(cè)關(guān)節(jié)置換患者的住院時(shí)間和費(fèi)用，可幫助獲得最佳的護(hù)理，并可為政府和保險(xiǎn)公司開(kāi)發(fā)出患者個(gè)性化的費(fèi)用基準(zhǔn)。通過(guò)精準(zhǔn)預(yù)測(cè)患者住院天數(shù)，可使住院床位分配和決策簡(jiǎn)化，使醫(yī)療資源得到最大化使用。醫(yī)生也可更好地調(diào)整患者的預(yù)期，并進(jìn)行早期干預(yù)，從而開(kāi)發(fā)出更好的快速康復(fù)計(jì)劃、提供更好的服務(wù)。多項(xiàng)研究已證明ML用于初次髖膝置換術(shù)前預(yù)測(cè)，可實(shí)現(xiàn)合格到優(yōu)秀的結(jié)構(gòu)效度、信度和響應(yīng)度。
術(shù)前評(píng)估
AI可用于術(shù)前篩查，以發(fā)現(xiàn)高風(fēng)險(xiǎn)患者，便于醫(yī)生采取預(yù)防措施。Jo等人使用ML對(duì)TKA術(shù)后的輸血風(fēng)險(xiǎn)進(jìn)行了預(yù)測(cè)，并獲得了良好的表現(xiàn)。最近AI還被用于關(guān)節(jié)翻修的術(shù)前評(píng)估。在翻修術(shù)前醫(yī)生需要明確前次手術(shù)所用假體，但目前醫(yī)生無(wú)法在術(shù)前和術(shù)中確認(rèn)前次假體的幾率分別為10%和2%。因此，DP已被設(shè)計(jì)用于識(shí)別假體的廠商和設(shè)計(jì)。在髖關(guān)節(jié)置換中，DL算法同樣可基于正位X線片識(shí)別出THA假體。僅基于股骨柄的設(shè)計(jì)特點(diǎn)進(jìn)行分型，多項(xiàng)研究已經(jīng)獲得了高達(dá)99.6%-100%的準(zhǔn)確率。
結(jié)果預(yù)測(cè)
對(duì)結(jié)果的預(yù)測(cè)可以使醫(yī)生和患者的決策更便利，特別是判斷該手術(shù)是否符合患者的預(yù)期。另外，對(duì)術(shù)后PROMs可能不會(huì)明顯改善的患者，需要更密切的隨訪，并在術(shù)前進(jìn)行更好的決策支持。
多項(xiàng)研究聚焦于術(shù)后能否獲得最小重要臨床差異（MCID），即獲得的PROMs的提高是否讓患者覺(jué)得手術(shù)是有意義的。在髖膝關(guān)節(jié)置換中均獲得了合格到良好的結(jié)果。
術(shù)后評(píng)估和監(jiān)測(cè)
更新的技術(shù)則瞄準(zhǔn)以比傳統(tǒng)患者調(diào)查問(wèn)卷更客觀的方式來(lái)測(cè)量髖膝置換術(shù)后康復(fù)的提升程度?？纱┐髟O(shè)備可記錄患者術(shù)后的運(yùn)動(dòng)資料，用于對(duì)其進(jìn)行功能評(píng)估。ML算法則可形成可靠的關(guān)節(jié)置換術(shù)后功能測(cè)量方法。
Ramkumar等人報(bào)道了通過(guò)智能手機(jī)和膝關(guān)節(jié)可穿戴設(shè)備收集TKA患者的術(shù)后數(shù)據(jù)。通過(guò)對(duì)收集的術(shù)前和術(shù)后數(shù)據(jù)進(jìn)行分析，包括：活動(dòng)程度（每天步數(shù)）、膝關(guān)節(jié)活動(dòng)度（最大屈膝）、居家訓(xùn)練依從性、止痛藥用量和PROMs，證明醫(yī)生可通過(guò)遠(yuǎn)程監(jiān)測(cè)評(píng)估患者的活動(dòng)程度和康復(fù)依從性。他們認(rèn)為通過(guò)算法分析，可以讓醫(yī)生找出功能不佳的潛在原因。
Polus等人進(jìn)行了一項(xiàng)前瞻性研究。通過(guò)可穿戴性設(shè)備收集數(shù)據(jù)分析，來(lái)判斷患者摔倒的風(fēng)險(xiǎn)，結(jié)果證明可以較高準(zhǔn)確率地預(yù)測(cè)術(shù)后6周患者的摔倒風(fēng)險(xiǎn)。從而讓醫(yī)生可以對(duì)高風(fēng)險(xiǎn)患者進(jìn)行加強(qiáng)預(yù)防，而低風(fēng)險(xiǎn)患者則可以加速康復(fù)。
Rouzrokh等人則使用DL在術(shù)后片上對(duì)髖臼假體的角度進(jìn)行自動(dòng)測(cè)量。他們基于600張骨盆正位片和600張相應(yīng)髖關(guān)節(jié)側(cè)位片建立了算法，可高度準(zhǔn)確地實(shí)現(xiàn)測(cè)量，不僅可用于研究還可用于臨床。
AI用于機(jī)器人手術(shù)
AI用于機(jī)器人手術(shù)可減少人類錯(cuò)誤和手術(shù)時(shí)間。未來(lái)機(jī)器人手術(shù)被期望能理解復(fù)雜環(huán)境，進(jìn)行實(shí)時(shí)決策，并更精準(zhǔn)、安全、高效地完成預(yù)定任務(wù)。近期Li等人首次使用AI引導(dǎo)下肢CT三維重建，以使機(jī)器人輔助TKA更便捷。他們使用200例下肢CT數(shù)據(jù)進(jìn)行基于AI的3D模型重建，并用20例下肢CT數(shù)據(jù)進(jìn)行檢驗(yàn)。結(jié)果顯示AI引導(dǎo)的三維重建與真實(shí)操作獲得的重建相類似。
臨床決策和未來(lái)方向
由于可以處理大量復(fù)雜數(shù)據(jù)以引導(dǎo)和預(yù)測(cè)結(jié)果，AI平臺(tái)具備為醫(yī)生、患者和保險(xiǎn)公司提供決策支持的潛力。
Jayakumar等人進(jìn)行了一項(xiàng)129人的臨床研究顯示，使用AI輔助決策的患者，在決策質(zhì)量、共享決策水平、患者滿意度和功能結(jié)果方面都獲得顯著提高。
不足與挑戰(zhàn)
ML算法的開(kāi)發(fā)需要大量數(shù)據(jù)?；谝环N環(huán)境開(kāi)發(fā)的ML無(wú)法立刻用于其他地方的現(xiàn)實(shí)環(huán)境，因?yàn)橛?xùn)練數(shù)據(jù)可能無(wú)法代表該部分人群。
在數(shù)據(jù)分享時(shí)，隱私和數(shù)據(jù)保護(hù)是一個(gè)問(wèn)題。AI開(kāi)發(fā)者需要保護(hù)個(gè)人信息和其他超越醫(yī)患關(guān)系可能傷害患者的信息，如健康狀態(tài)、保險(xiǎn)、工作機(jī)會(huì)甚至個(gè)人關(guān)系等。
透明度和信任是另一個(gè)問(wèn)題。AI缺乏透明度使得問(wèn)責(zé)和責(zé)任成為問(wèn)題。一些ML算法有黑箱現(xiàn)象，對(duì)于其輸出的產(chǎn)生邏輯并不明了。由于無(wú)法解釋算法為什么以及如何得出某些決策，使得AI的實(shí)施非常困難。
結(jié)論
在健康領(lǐng)域應(yīng)用AI是不可避免的。目前許多研究闡述了AI在關(guān)節(jié)置換不同領(lǐng)域的應(yīng)用。ML使得醫(yī)生可以改善臨床決策、預(yù)見(jiàn)問(wèn)題、收集資源并提供個(gè)性化的早期干預(yù)?？傊摷夹g(shù)必將從不同方面幫助關(guān)節(jié)置換醫(yī)生提高患者的結(jié)果，但也有許多挑戰(zhàn)仍需解決。
ARTHROPLASTY 雜志
本篇文章刊登于ASIA官方雜志 Arthroplasty (ISSN: 2524-7948)。
Arthroplasty 是亞洲人工關(guān)節(jié)學(xué)會(huì)（ASIA）與 Springer Nature 旗下品牌 BMC 合作出版的官方雜志。
Arthroplasty 創(chuàng)刊于2019年，為金色開(kāi)放獲取期刊，已成功被DOAJ、ESCI、Scopus收錄入庫(kù)，本刊專注于出版關(guān)節(jié)疾病管理和康復(fù)方面的最新研究和臨床進(jìn)展，內(nèi)容精湛。真誠(chéng)邀請(qǐng)您投稿Arthroplasty，讓我們一起為關(guān)節(jié)領(lǐng)域發(fā)展做出貢獻(xiàn)，推動(dòng)亞太地區(qū)人工關(guān)節(jié)研究的學(xué)術(shù)發(fā)展。
投稿地址：
https://www.editorialmanager.com/arpl/default.aspx
聯(lián)系客服
