Vývoj a interní validace předpovědních modelů idiopatické skoliózy Přirozená historie a výsledky léčby pomocí umělé inteligence ve velké klinické databázi (PREPARE)

Skolióza je trojrozměrná deformita páteře. Ve své nejčastější formě (asi 70 % případů) jsou příčiny neznámé, proto se nazývá idiopatická skolióza. Ve většině případů je objevena po 10 letech věku a je diagnosticky definována jako křivka minimálně 10°, měřená na rentgenu ve stoje metodou Cobb.

Pokud skolióza na konci růstu překročí kritický práh 30° Cobb, existuje postupně větší riziko zdravotních a sociálních problémů v dospělosti. Z tohoto důvodu je hlavním cílem léčby dokončit růstové období s křivkou menší než 30° a dobrou sagitální rovnováhou, nebo alespoň hluboko pod 50°, která představuje chirurgický práh.

Růst je faktorem podporujícím vývoj deformit, proto jsou pacienti sledováni až do konce růstu. To je důvod, proč terapie může trvat mnoho let, od zjištění přítomnosti deformity až po dosažení kostního zrání.

Včasná identifikace parametrů predikujících výsledek terapie s cílem směřovat co nejmenší agresivitu k výsledku nezbytnému pro budoucnost pacienta, spojená s hodnocením její účinnosti (monitoring), je jedním z nejdůležitějších cílů v této oblasti s cílem minimalizovat zátěž léčby v konkrétní fázi růstu, jako je vývoj adolescentů, a také k identifikaci subjektů nejvíce ohrožených zhoršením v dospělosti.

Systematický sběr klinických dat během terapeutického procesu nabízí možnost pomocí pokročilých analytických modelů, aplikovaných retrospektivně, identifikovat predisponující faktory a protektivní faktory. Jsou-li dostupná data dostatečně velká, je možné získat prediktivní rovnice, které pomohou lékařům při volbě terapie a pomohou pacientům pochopit rizika a přínosy dostupných terapií. Nové technologie, jako jsou techniky umělé inteligence, nabízejí nové a zajímavé způsoby odhadování rizik a výpočtu přínosů a bezpečnosti některých terapeutických možností ve srovnání s jinými.

Tato studie si klade za cíl vyvinout a interně ověřit stratifikační a predikční modely založené na datech, aby bylo možné předpovídat vícenásobné výsledky na konci péče, které zahrnují velikost křivky, měřenou ve stupních Cobb, měření určující sagitální rovnováhu a měření kvality života a funkce. prostřednictvím samovyplňovacích dotazníků.