Machine learning voorspelling van ziekteprogressie bij adolescente idiopathische scoliose

Achtergrond en probleemoverzicht Adolescentië Idiopathische Scoliose (AIS) is een progressieve musculoskeletale aandoening die wordt gekenmerkt door een driedimensionale vervorming van de wervelkolom tijdens de adolescentie. De diagnose wordt meestal gesteld bij een Cobb-hoek groter dan 10° en de aanwezigheid van axiale rotatie. Hoewel de exacte etiologie onbekend blijft, omvatten de belangrijkste theorieën weefselafwijkingen (spiervezels, botvolume), verminderde spinale biomechanica (asymmetrische botgroei) en neurologische factoren (asymmetrische corticale dikte, cerebrale lateralisatie en verstoringen van het lichaamschema).

De progressieve aard van AIS, met name het hoge risico op verslechtering bij het begin van de puberteit, bemoeilijkt de klinische besluitvorming. De behandeling wordt traditioneel verdeeld in drie fasen:

Observatie en oefeningen: Voor Cobb-hoeken tussen 10°-25°.

Oefeningen en brace: Voor Cobb-hoeken tussen 25°-45°.

Operatie: Voor Cobb-hoeken groter dan 45°.

Ondanks deze richtlijnen zorgen de onvoorspelbare progressie van de ziekte en moeilijkheden met therapietrouw voor aanzienlijke dilemma's. Vooral bij gevallen op de grens van operatie-indicatie worden clinici geconfronteerd met de keuze tussen directe operatie of conservatieve controle. Momenteel is er geen definitieve methode om progressie te voorspellen, en patiënten worden doorgaans om de 6 maanden gecontroleerd. Tijdens deze intervallen kan de toestand van een patiënt stabiel blijven of aanzienlijk verslechteren.

Verder adviseren richtlijnen het dragen van een brace gemiddeld 18 uur per dag, vaak gedurende meerdere jaren. Deze vereiste is fysiek en psychologisch veeleisend voor adolescenten, wat leidt tot slechte therapietrouw vanwege esthetische bezwaren, functionele beperkingen en huidirritatie. Het onvermogen om progressie te voorspellen leidt vaak tot overbehandeling (onnodige brace) of onderbehandeling (uitgestelde interventie), wat beide risico's met zich meebrengt voor de gezondheid van de patiënt op lange termijn.

Radiologische zorgen Ziekteprogressie wordt gemonitord via directe radiografie (röntgenfoto's). Frequente beeldvorming verhoogt echter het levenslange risico op kanker door cumulatieve ioniserende straling. Opvallend is dat het risico op borstkanker bij meisjes met AIS naar verluidt ongeveer zeven keer hoger is dan bij de gezonde populatie. Omgekeerd riskeert het verlengen van follow-upintervallen het missen van vensters voor vroege interventie. Een kunstmatige intelligentie (AI)-model dat curveprogressie kan voorspellen, kan de beeldvormingsfrequentie optimaliseren, waardoor de veiligheid wordt gewaarborgd en de klinische efficiëntie behouden blijft.

Doel en methodologie van de studie

Het primaire doel van dit onderzoek is het ontwikkelen van een machine learning-model om de Cobb-hoek na een 12 weken durende oefeninterventie te voorspellen. Het model zal gebruikmaken van uitgebreide baseline- en post-treatment gegevens, waaronder:

Demografische en antropometrische gegevens (leeftijd, lengte, gewicht, geslacht).

Klinische beoordelingen (Cobb-hoek, Risser-score, romprotatiehoek).

Functionele en fysieke metrieken (rompspierkracht, maximale in- en expiratoire druk [MIP/MEP], Biodex-balansmetingen).

Visuele beoordelingen (Walter Reed visuele vervormingsschaal [WRVAS]).

Onderzoekshypothesen

Primaire hypothese: Een machine learning-model getraind op beoordelingsgegevens voor en na oefeningen kan significant de Cobb-hoek voorspellen aan het einde van een periode van 12 weken, met zowel statistische als klinische nauwkeurigheid.

Secundaire hypothese: Door het risico op progressie (de kans op een toename van de Cobb-hoek) te voorspellen, zal dit model bijdragen aan het verminderen van onnodige chirurgische ingrepen, overbehandeling (brace/operatie) en cumulatieve röntgenblootstelling.