TPF 기계 학습 알고리즘

전반적인 목표는 기계 학습 기술을 채택하여 수술 또는 비수술 치료가 최상의 환자 결과를 가져올지 여부를 결정하는 것입니다.

주요 목표는 미래 환자를 위한 최상의 치료를 예측하기 위해 가장 적합한 기계 학습 알고리즘을 식별하는 것입니다. 보존적 또는 수술적 치료가 최상의 환자 결과로 이어질지 여부는 예측된 KOOS 점수에 따라 결정됩니다. 각 환자에 대한 치료(보존적 또는 수술적), 골절 조각 수, 골절 위치, 연조직 침범 등과 같은 여러 입력 요인이 알고리즘의 훈련 데이터로 사용됩니다. 이러한 입력 데이터 중 일부는 CT 스캔에서 파생됩니다. 따라서 CT 스캔은 UZ Leuven이 최근 라이선스를 구매한 Mimics에서 분할됩니다. 학습 데이터의 출력 변수는 각 환자의 KOOS 점수가 됩니다. 입력 및 출력 변수를 기반으로 알고리즘은 이들 사이의 관계를 결정합니다. 입력 변수가 알려진 미래 환자의 경우 수술 및 보존 치료의 경우 출력 변수(=KOOS 점수)가 예측됩니다. 우리는 시간이 지남에 따라 더 많은 입력 데이터를 추가함으로써 예측이 개선될 것이라고 가정합니다.

2차 목표는 미래 환자를 위한 최상의 치료를 예측하는 데 도움이 되는 임상 및 방사선학적 요인을 식별하는 것입니다.

전망으로서 기계 학습 기술은 향후 임상 실습에서 구현될 수 있으며 외과 의사가 주어진 사례에 가장 적합한 치료법을 선택하도록 지원함으로써 경골 고평부 골절 관리를 위한 환자별 계획 도구로 활용될 수 있습니다. 이 레지스트리에 수집된 데이터는 기계 학습 모델의 유효성을 검사하는 데 사용됩니다. 환자는 아직 개발된 모델의 결과에 따라 치료되지 않을 것이며 외상 외과 의사는 환자에게 가장 적합한 치료 옵션을 결정할 책임이 있습니다.