Ennustemalli lonkkahaurauden murtumasta Realistiset tiedot traumatologian osastolta ja ortogeriatrian osastolta.

Osteoporoosi ja siihen liittyvät haurausmurtumat ovat yhä kasvava maailmanlaajuinen taakka sekä terveydenhuoltojärjestelmille että perheille väestön ikääntymisen yhteydessä. Lonkkamurtumat ovat erityisen vakavia sairaalahoidon, leikkausten, raskaan toipumisen ja myöhempien murtumien riskin vuoksi.

Siksi on erittäin tärkeää havaita potilaat, joilla on suuri riski saada reisiluun haurausmurtumia, ja ennakoida heidän toipumiskykynsä asianmukaisten lääketieteellisten päätösten tekemiseksi. Luun rappeutumisen varhainen havaitseminen olisi ihanteellinen parempi ennaltaehkäisy ja luun rekonstruktio.

Osteoporoosin nykyinen kultastandardi on edelleen kaksoisenergiaröntgenabsorptiometria (DXA), mutta toisaalta suurin osa murtuneista potilaista ei ole luokiteltu osteoporoosiksi WMO:n määritelmän mukaan ja toisaalta DXA ei ole laajalti saatavilla. useissa paikoissa.

On ehdotettu erilaisia ​​vaihtoehtoisia laitteita, kuten 3D-röntgen, MRI tai ultraääni, joilla on erilaiset kustannukset ja saatavuus. Lisäksi online-lomakkeet, kuten FRAX, Garvan tai Qfracture, ehdottavat murtumariskin laskemista rajoitetun määrän kliinisistä tekijöistä.

Nykyään kliinisen tiedon, prosessointimenetelmien ja laskentatehon lisääntyvä saatavuus avasi tien uusille dataohjatuille ennustemalleille, joissa käytetään suurta määrää biomarkkereita tai parametreja, mikä avasi näkökulman yksilölliseen tarkkuuslääketieteeseen. Muutamia haasteita tulee kuitenkin eteen:

1. tietojen saatavuus ja laatu mallien rakentamista varten,
2. kyky kerätä realistisia tietoja uusilta potilailta kunkin maan kustannusten ja mahdollisuuksien mukaan
3. tärkeimpien parametrien määrittäminen lääketieteellisten päätösten helpottamiseksi tulkittavalla tavalla.

Hankkeen tavoitteena on rakentaa lonkkamurtuman ennustemalli käyttämällä saatavilla olevaa sairaalatietoa, joka on rutiininomaisesti kerätty traumatologian osastolta ja ortogeriatrian osastolta viimeisen 12 vuoden ajalta, hankittavasta vertailuryhmästä (ilman haurasmurtumaa) ja siitä eteenpäin. tähän mennessä Explainable Artificial Intelligence (XAI) -työkalut. Tämä malli tulisi mukauttaa alueen "todellisen maailman" olosuhteisiin ja ennustaa kliinisiä tietoja, kuten murtuman ja murtuman riskiä, ​​kuolleisuusriskiä, ​​murtumatyyppien luokittelua ja tietyn komorbiditeettiindeksin muodostumista. Erityistä huomiota kiinnitetään mahdollisiin varhaisiin luun haurauden havaitsemiin.

Lisäksi tämä malli sisältäisi myöhemmin vaihtoehtoisia DXA-mittauksia, kuten ultraääni, käyttämällä tiettyä laitetta, jonka sama tiimi on testannut onnistuneesti. Sitä voitaisiin myös myöhemmin verrata muihin maihin tai alueisiin, joilla on samankaltaisia ​​saatavilla olevia tietoja, kiitos joukkueen kanssa tällä hetkellä yhteistyössä toimivien kansainvälisten kollegoiden. Onnistuessaan tietokantamuoto ja ennustemallit voitaisiin jakaa muiden sairaaloiden kanssa, joilla on näkökulmia progressiiviseen kansalliseen ja kansainväliseen skaalautumiseen. Lähitulevaisuudessa nämä tiedot voitaisiin muuntaa tietotekniseksi työkaluksi, joka voisi auttaa lääkäriä iäkkäiden potilaiden kliinisessä seurannassa.