TPF 機械学習アルゴリズム

全体的な目標は、機械学習技術を採用して、手術治療と非手術治療のどちらが患者にとって最良の結果をもたらすかを判断することです。

主な目的は、将来の患者に最適な治療法を予測するために最適な機械学習アルゴリズムを特定することです。 保存的治療と手術治療のどちらが患者に最良の結果をもたらすかは、予測される KOOS スコアに基づいて決定されます。 治療（保存的または手術的）、骨折片の数、骨折の位置、軟部組織の関与など、各患者のいくつかの入力要因が、アルゴリズムのトレーニングデータとして使用されます。 これらの入力データの一部は CT スキャンから得られます。 したがって、CT スキャンは、UZ Leuven が最近ライセンスを購入した Mimics でセグメント化されます。 トレーニング データの出力変数は、各患者の KOOS スコアになります。 入力変数と出力変数に基づいて、アルゴリズムはこれらの関係を決定します。 入力変数が既知の将来の患者については、出力変数 (= KOOS スコア) が手術治療と保存治療の両方で予測されます。 時間の経過とともに入力データを追加することで、予測が改善されるという仮説を立てています。

二次的な目的は、将来の患者に最適な治療法を予測するのに役立つ臨床的および放射線学的要因を特定することです。

見通しとして、機械学習技術は将来的に臨床現場で実装され、外科医が特定の症例に最適な治療法を選択するのを支援することにより、脛骨プラトー骨折管理のための患者固有の計画ツールとして利用される可能性があります。 このレジストリに収集されたデータは、機械学習モデルの検証に使用されます。 患者は、開発されたモデルの結果に基づいて治療されることはありません。外傷外科医は、患者に最適な治療オプションを決定する責任があります。