Intelligence artificielle pour détecter précocement l’échec d’une prothèse totale de genou

Le but de cet essai est de déterminer si l'apprentissage automatique (ML) peut être utilisé pour détecter de petits degrés de descellement, des zones claires ou tout autre changement sur les radiographies qui pourraient prédire un échec précoce après une arthroplastie totale du genou NexGen.

Les chercheurs identifieront des radiographies simples de face et latérales de deux groupes de patients. Ceux qui ont des arthroplasties totales du genou (ATG) NexGen qui ont échoué, et ceux qui ont des arthroplasties totales du genou (ATG) performantes. Les radiographies de ces deux groupes seront étiquetées comme « échec » et « bonnes performances » et seront traitées via un algorithme d'apprentissage automatique.

L’algorithme réussira s’il est capable de détecter un NexGen TKR qui a échoué ou qui a continué à bien fonctionner. Ceci sera déterminé à l’aide d’un ensemble de test.

La population sera composée d'adultes ayant subi le rappel d'une arthroplastie totale du genou NexGen avec un plateau tibial standard. Il inclura uniquement les adultes ayant subi le TKR dans les hôpitaux universitaires de Southampton entre 2003 et 2022.

L'échec sera défini comme une révision des composants tibiaux ou fémoraux probablement due à un descellement aspectique. Il exclura les lavages, les échanges de poly, les fractures péri-prothétiques, les infections microbiologiquement confirmées.

Les PTG bien performantes seront définies comme des patients qui ont eu leur PTG in situ depuis 10 ans et n'ont signalé aucun symptôme significatif.