Algoritmos de aprendizado de máquina TPF

O objetivo geral é adotar uma técnica de aprendizado de máquina para decidir se o tratamento cirúrgico ou não cirúrgico resultará no melhor resultado para o paciente.

Os objetivos principais são identificar o algoritmo de aprendizado de máquina mais adequado para prever o melhor tratamento para futuros pacientes. Se o tratamento conservador ou cirúrgico levará ao melhor resultado para o paciente, será decidido no escore KOOS previsto. Vários fatores de entrada, como tratamento (conservador ou cirúrgico), número de fragmentos de fratura, localização da fratura, envolvimento de tecidos moles,... para cada paciente serão usados ​​como dados de treinamento para o algoritmo. Alguns desses dados de entrada serão derivados de tomografias computadorizadas. Portanto, as tomografias serão segmentadas em Mimics, para as quais a UZ Leuven adquiriu licenças recentemente. A variável de saída dos dados de treinamento será a pontuação KOOS de cada paciente. Com base nas variáveis ​​de entrada e saída, o algoritmo determinará uma relação entre elas. Para futuros pacientes cuja variável de entrada é conhecida, a variável de saída (=pontuação KOOS) será prevista tanto em caso de tratamento cirúrgico quanto conservador. Nossa hipótese é que a previsão será melhorada adicionando mais dados de entrada ao longo do tempo.

O objetivo secundário é identificar fatores clínicos e radiológicos que ajudem a prever o melhor tratamento para futuros pacientes.

Como perspectiva, a técnica de aprendizado de máquina pode ser implementada no futuro na prática clínica e utilizada como uma ferramenta de planejamento específica do paciente para o tratamento de fraturas do planalto tibial, auxiliando o cirurgião a selecionar o melhor tratamento para um determinado caso. Os dados coletados neste registro serão usados ​​para validar o modelo de aprendizado de máquina. Os pacientes ainda não serão tratados com base nos resultados do modelo desenvolvido, cabendo ao cirurgião do trauma decidir qual a melhor opção de tratamento para o paciente.