Multitask Deep Learning -mallin soveltaminen selkärangan puoliskon nivelen rappeutumisen vakavuuden arvioinnissa

Selkärangan fasettinivelen nivelrikko on sairaus, jonka ilmaantuvuus on korkea yli 40-vuotiailla. Se on sairaus, jolle on tunnusomaista joukko rappeuttavia patologisia muutoksia ja kliinisiä piirteitä nivelkalvossa, nivelrustossa, subkondraalisessa luun, nivelvälin ja selkärangan fasettinivelten lisäkudoksissa useiden tekijöiden vaikutuksesta. Jotkut fysiologiset tai patologiset tekijät voivat johtaa selkärangan nivelten nivelrikkoon. Selkärangan nivelrikkoa sairastavilla potilailla on usein eriasteisia kliinisiä ilmenemismuotoja, kuten selkäkipuja ja dyskinesia, jotka vaikuttavat merkittävästi potilaiden fyysiseen ja henkiseen terveyteen. Selkärangan nivelrikon vakavuus ei vain vaikuta tiettyyn alaselän kipuun ja alaselän lihastiheyden muutoksiin, vaan se vaikuttaa myös potilaan hoitoon ja hoitosuunnitelmaan. Tällä hetkellä eri lääkäreillä on tietty subjektiivisuus lannerangan nivelrikon luokittelussa, ja tulosten johdonmukaisuus ja toistettavuus ovat huonoja. Lisäksi lääkäreiden täytyy lukea kuvakuvia ja arvioida, että luokittelu on erittäin aikaa vievää ja toistuvaa työtä. Viime vuosina syvän oppimisen teknologian soveltaminen lääketieteellisessä kuva-analyysissä on ollut laajalti kliinikoiden huolenaiheena. Syvällä oppimisella on suuria mahdollisia etuja lääketieteellisessä kuvantamisdiagnosissa. Se voi tuottaa puoliautomaattisia raportteja radiologien valvonnassa parantaakseen sairauden asteen arvioinnin tarkkuutta, johdonmukaisuutta, objektiivisuutta ja nopeutta ja tukea edelleen kliinistä päätöksentekoa tältä pohjalta. Tämän hankkeen tarkoituksena on kehittää älykäs diagnoosi- ja luokittelujärjestelmä selkärangan pienten nivelten rappeuttavia sairauksia varten, jossa on monia tehtäviä ja perusteellista oppimista, ja varmistaa sen kliininen toteutettavuus. Tavoitteena on auttaa kliinikoita parantamaan tutkimuksen tarkkuutta, johdonmukaisuutta, objektiivisuutta ja nopeutta. vastaavan sairauden asteen arviointia ja tukea edelleen kliinisen päätöksenteon seurantaa.