Kunstmatige intelligentie om vroegtijdig falen van een implantaat voor totale knievervanging te detecteren

Het doel van deze proef is om te onderzoeken of Machine Learning (ML) kan worden gebruikt om kleine mate van loslating, doorschijnende zones of andere veranderingen op röntgenfoto's te detecteren die vroegtijdig falen na een totale knievervanging van NexGen kunnen voorspellen.

Onderzoekers zullen gewone AP- en laterale gewone filmröntgenfoto's van twee groepen patiënten identificeren. Degenen die NexGen totale knievervangingen (TKR's) hebben die mislukten, en degenen die goed presterende TKR's hebben. Röntgenfoto's van deze twee groepen zullen worden bestempeld als 'mislukt' en 'goed presterend' en zullen worden verwerkt via een machine learning-algoritme.

Het algoritme zal succesvol zijn als het een NexGen TKR kan detecteren die faalde of goed presteerde. Dit wordt bepaald aan de hand van een testset.

De populatie zal bestaan ​​uit volwassenen bij wie een NexGen Total Knee Replacement met een standaard tibiale tray is teruggeroepen. Het zal alleen volwassenen omvatten, die tussen 2003 en 2022 de TKR hebben bij de Universitaire Ziekenhuizen van Southampton.

Falen wordt gedefinieerd als revisie van tibiale of femorale componenten die waarschijnlijk te wijten is aan aspectische loslating. Het zal uitspoelingen, uitwisseling van poly-, peri-prothetische fracturen en microbiologisch bevestigde infecties uitsluiten.

Goed presterende TKR's worden gedefinieerd als patiënten die hun TKR al tien jaar in situ hebben en geen significante symptomen hebben gemeld.