人工知能は、腰椎手術のための患者の選択のための意思決定支援を可能にしました

腰椎椎間板ヘルニア（LDH）または脊椎狭窄（LSS）のために手術を行った患者の3分の1は、実質的な改善を達成しません。 研究によると、十分な情報に基づいた共有意思決定（SDM）が手術の選択を改善すること、したがって結果を改善できることが示されています。 したがって、結果予測のための多数のアルゴリズムが開発されており、一部は人工知能（AI）を使用しています。 ほとんどは小さなデータセットでトレーニングされており、正確ではなく、すべてが電子健康記録（EHR）に統合されていないスタンドアロンまたはWebベースのアプリケーションであり、日常的な臨床診療には実装されていないものはありません。

脊椎手術のためのノルウェーの登録簿（ノルスピン）は、69,000件以上の症例のコホートで構成されています。 調査員はAIを使用してデータセットを分析し、結果を予測し、EHR DipsArena®にシームレスに統合された意思決定支援ツール（DST）を開発しました。

調査員は、このツールを使用して、外科医と患者の間のSDMに手術の適応症（はいまたはいいえ）について通知し、成功した結果を増やすことで割合を増やすことを意図しています。 この研究の目的は、その後のパイロット研究で使用するDSTの安全性と実現可能性を評価することです。

デバイスDST（デバイス）は、ソフトウェアソリューションの積分化合物です。 ベースラインデータは、DipsArena®に統合されたアンケートで患者と外科医によって登録され、Norspineに転送されます。 データは、クラウドベースのモデルホスティングサービスで動作するAI対応予測アルゴリズムにも転送（識別されます）。 アルゴリズムは、Norspineのデータセットでトレーニングおよび検証されています。 レシーバー動作特性分析における主な結果（12か月後のオスウェストリー障害指数）の予測のための曲線下の面積は、LDHで非常に高い（0.85）、LSSで中程度（0.72）です。 また、モデルホストは、現在のケースと最も類似したベースライン変数（「患者のようなME」）を持つ50症例の結果（実質的、わずか、または改善なし、悪化）を計算します。最後に、「患者のようなME」の個々の予測と結果が戻され、SDMで使用するためにDIPSArena®の通常のユーザーインターフェイスに表示されます。

この実現可能性調査の臨床調査では、研究者は収束的な定性的および定量的混合方法を使用します。 コンパレータは、DSTを使用せずに、日常的な臨床診療における意思決定です。 この研究には、手術の適応症の評価のために紹介されたLDHまたはLSSが確認された磁気共鳴画像診断の20人の患者と、評価を行う6人の外科医が含まれます。 この調査では、DSTのユーザーインターフェイスが、以下のパイロット研究で安全で使用が可能であると考えられるまで、DSTのユーザーインターフェイスを再設計します。