Модель прогнозирования переломов при хрупкости бедра. Реалистичные данные травматологического отделения и ортопедического отделения.

Остеопороз и связанные с ним хрупкие переломы остаются растущим бременем во всем мире как для систем здравоохранения, так и для семей в контексте старения населения. Переломы бедра особенно опасны из-за пребывания в больнице, операций, тяжелого восстановления и риска последующих переломов.

Таким образом, очень важно выявлять пациентов с высоким риском хрупких переломов бедренной кости и прогнозировать их возможности восстановления для принятия соответствующих медицинских решений. Раннее выявление разрушения костей было бы идеальным для лучшей профилактики и восстановления костей.

В настоящее время золотым стандартом лечения остеопороза остается двухэнергетическая рентгеновская абсорбциометрия (ДРА), однако, с одной стороны, большинство пациентов с переломами не классифицируются как остеопоротические по определению ВМО, а с другой стороны, ДРА не широко доступен. во многих местах.

Были предложены различные альтернативные устройства, такие как 3D-рентген, МРТ или ультразвук, с разной стоимостью и доступностью. Более того, онлайн-формы, такие как FRAX, Garvan или Qfracture, предлагают рассчитывать риск переломов на основе ограниченного числа клинических факторов.

В настоящее время растущая доступность клинических данных, методов обработки и вычислительной мощности открыла путь к новым моделям прогнозирования, основанным на данных, с использованием большого количества биомаркеров или параметров, открывая перспективы для персонализированной точной медицины. Однако возникает несколько проблем:

1. доступность и качество данных для построения моделей,
2. способность собирать реалистичные данные от новых пациентов в соответствии со стоимостью и возможностями каждой страны и
3. определение наиболее важных параметров для облегчения принятия медицинских решений в интерпретируемой форме.

Целью проекта является построение модели прогнозирования хрупкого перелома бедра с использованием доступных больничных данных, регулярно собираемых в травматологическом отделении и ортогериатрическом отделении за последние 12 лет, а также данных контрольной группы (без хрупкого перелома) и выше. на сегодняшний день инструменты объяснимого искусственного интеллекта (XAI). Эту модель следует адаптировать к «реальным» условиям региона и прогнозировать клинические данные, такие как риск переломов и повторных переломов, риск смертности, классификацию типов переломов и создание конкретного индекса коморбидности. Особое внимание будет уделено потенциальным ранним средствам выявления хрупкости костей.

Более того, эта модель позже будет включать альтернативные измерения DXA, такие как ультразвук, с использованием специального устройства, успешно протестированного той же командой. Впоследствии его также можно было бы сравнить с другими странами или регионами, имеющими аналогичные доступные данные, благодаря международным коллегам, которые в настоящее время сотрудничают с командой. В случае успеха формат базы данных и модели прогнозирования могут быть переданы другим больницам с перспективой постепенного национального и международного масштабирования. В ближайшем будущем эта информация может быть преобразована в информатический инструмент, который поможет врачам в клиническом наблюдении за пожилыми пациентами.