大規模な臨床データベースでの人工知能の使用による特発性側弯症の自然史と治療結果の予測モデルの開発と内部検証 (PREPARE)

側弯症は脊椎の三次元的な変形です。 最も一般的な形態（症例の約 70%）では原因が不明であるため、特発性側弯症と呼ばれます。 ほとんどの場合、それは 10 歳以降に発見され、コブ法を使用して立位 X 線で測定された少なくとも 10° の湾曲として診断的に定義されます。

脊柱側弯症が成長の終わりに臨界閾値である30°コブを超えると、成人期における健康上の問題や社会的問題のリスクが徐々に高まります。 このため、治療の主な目的は、30°未満の曲線と良好な矢状バランス、または少なくとも手術の閾値である50°を十分に下回る状態で成長期を完了することです。

成長は変形の進行を促進する要因であるため、患者は成長が終わるまで追跡されます。 これが、変形の存在が発見されてから骨が成熟するまで、治療が何年も続く理由です。

治療の結果を予測するパラメータを早期に特定し、患者の将来に必要な結果に向けて攻撃性を最小限に抑えることは、その有効性の評価（モニタリング）と統合され、治療の結果を最小限に抑えるためのこの分野の最も重要な目的の 1 つです。思春期の発達などの特定の成長段階における治療の負担を軽減するだけでなく、成人期に症状が悪化するリスクが最も高い被験者を特定することもできます。

治療過程における臨床データの体系的な収集により、遡及的に適用される高度な分析モデルを通じて、素因と防御因子を特定する可能性が得られます。 利用可能なデータが十分に大きければ、臨床医が治療法を選択する際に役立ち、患者が利用可能な治療法のリスクと利点を理解するのに役立つ予測方程式を得ることができます。 人工知能技術などの新しいテクノロジーは、リスクを推定し、一部の治療法の利点と安全性を他の治療法と比較して計算するための新しくて興味深い方法を提供します。

この研究は、コブ度で測定される曲線の大きさ、矢状バランスを決定する測定値、および測定された生活の質と機能の測定値を含む、複数の終末期アウトカム測定値を予測するための、データ駆動型層別化および予測モデルを開発および内部検証することを目的としています。自己記入式アンケートを通じて。