Resumen

Objetivo. El objetivo de este estudio fue construir una herramienta de planificación de procedimientos para optimizar el ángulo de unión proximal (PJA) para prevenir la cifosis proximal postoperatoria (PJK) para cada paciente con escoliosis. Métodos. Se incluyeron 12 pacientes (9 pacientes sin PJK y 3 pacientes con PJK) que han sido seguidos durante al menos 2 años después de la cirugía. Tras calcular la fuerza de carga en el disco intervertebral cefálico de la vértebra superior instrumentada de cada paciente, se aplicó el método de los elementos finitos (MEF) para calcular la tensión de cada elemento. La información sobre la tensión se resumió en el valor de la diferencia antes y después de la operación en diferentes regiones de interés. Se aplicó un método de red neuronal totalmente conectada de dos capas para modelar la relación entre la información sobre la tensión y el riesgo de PJK. Para evaluar la precisión y la estabilidad del modelo entrenado se aplicaron la validación cruzada con exclusión de un solo criterio y el análisis de sensibilidad. El algoritmo de optimización predijo la PJA óptima basándose en el modelo aprendido. Resultados. La precisión media de la predicción fue de 83,3 en todos estos casos, y el área bajo la curva (AUC) de predicción fue de 0,889. La varianza de salida de este modelo fue de 0,889. Y la varianza de salida de este modelo fue inferior al 5% cuando los valores de los factores importantes se perturbaron en un rango del 5%. Conclusiones. Nuestro enfoque integró la biomecánica y el aprendizaje automático para apoyar la decisión quirúrgica. Para un nuevo individuo, el riesgo de PJK y la PJA óptima pueden predecirse simultáneamente basándose en el modelo aprendido.

• Materias:Inteligencia artificial Big Data Registros médicos electrónicos Acelerómetros Antecedentes teóricos
• Subjects:Artificial intelligence Big Data Electronic medical records Accelerometers Theoretical background
• Palabras claves:PJK, pacientes, modelo aprendido, PJA óptima, información de estrés, cifosis proximal de la unión postoperatoria, disco intervertebral cefálico, valores de factores importantes, exactitud media de predicción, método de red neuronal.
• Keywords:PJK, patients, learned model, optimal PJA, stress information, postoperative proximal junctional kyphosis, cephalad intervertebral disc, important factor values, mean prediction accuracy, neural network method