Kunstig intelligens for å oppdage tidlig total kneproteseimplantatsvikt

Målet med denne studien er å undersøke om maskinlæring (ML) kan brukes til å oppdage små grader av løsnede soner, eller andre endringer på røntgenbilder som kan forutsi tidlig svikt etter NexGen total kneprotese.

Forskere vil identifisere vanlig AP og lateral ren film røntgenbilder fra to grupper av pasienter. De som har NexGen total kneprotese (TKR) som gikk til feil, og de som har godt presterende TKR. Røntgenbilder fra disse to gruppene vil bli merket som "feil" og "god ytelse" og vil bli behandlet gjennom en maskinlæringsalgoritme.

Algoritmen vil være vellykket hvis den er i stand til å oppdage en NexGen TKR som fortsatte å feile eller fortsatte å prestere bra. Dette vil bli bestemt ved å bruke et testsett.

Befolkningen vil være voksne som har fått tilbakekalt en NexGen Total Knee Replacement med en standard tibialskuff. Det vil kun omfatte voksne, som har TKR ved University Hospitals Southampton mellom 2003 og 2022.

Svikt vil bli definert som revisjon av tibiale eller femorale komponenter som sannsynligvis skyldes aspektisk løsning. Det vil utelukke utvaskinger, utveksling av poly, periprotetiske frakturer, mikrobiologisk bekreftet infeksjon.

Godt presterende TKR vil bli definert som pasienter som har hatt sin TKR in situ i 10 år og ikke har rapportert noen signifikante symptomer.