深度学习表明 有望减少腰椎影像学和手术的过度使用

德国的研究人员试图使用人工智能来区分可能从腰痛手术中受益的患者和那些应该更好地跳过手术室并转向保守治疗的患者。

如果团队的方法在大型研究中得到证明，那么仅这个函数就可以证明采用这个技术是正确的。这是因为由于结果的可预测性，腰椎成像和干预措施经常被列为最昂贵的医疗保健支出之一。

但还有更多。研究人员认为，他们的方法可以用于骨科脊柱治疗以外的其他医疗方式。

这项研究的主要作者是奥格斯堡赫森基金会的安德烈维尔里斯博士。资深作者是何润何润大学医院的萨米尔贾巴里。《欧洲脊柱杂志》年10月13日发表作品。

该团队使用60名腰椎间盘突出症患者的数据来训练和测试深度学习算法。目的是使该模型能够准确预测已建立的残疾指数Oswestry残疾指数(ODI)的得分，该指数是在手术或保守治疗后6个月记录的。这些包括住院和门诊物理治疗结合口服止痛药和/或脊髓注射。

作者报道：“通过将ODI规模划分为12%，可以实现对ODI范围的100%准确预测。”“使用我们最强大的模型，在给定治疗6个月后，单独预测的ODI和实际ODI之间的最大绝对差异仅为3.4%。”

Wirries及其同事进一步发现，人工智能应用程序使临床决策者能够将六个月后的实际患者价值与替代疗法的预测进行比较，显示偏差高达18.8%。

作者总结道：“我们认为，使用有监督的人工智能将提高治疗结果的可预测性，这将有助于为椎间盘突出症患者提供个性化的治疗建议。”“这个方法.可以作为AI进一步发展的基础，不仅在脊柱治疗领域，在许多其他医疗领域也是如此，在这些领域，随机化或纳入高患者数是不可行的。”