Maskininlärningsprediktion av sjukdomsprogression vid idiopatisk skolios hos ungdomar

Bakgrund och problemöversikt Adolescent Idiopathic Scoliosis (AIS) är en progressiv muskuloskeletalt sjukdom som kännetecknas av en tredimensionell deformation av ryggraden som uppstår under tonåren. Diagnosen fastställs vanligtvis med en Cobb-vinkel över 10° och närvaro av axial rotation. Den exakta etiologin är fortfarande okänd, men ledande teorier omfattar vävnadsavvikelser (muskelfibrer, benvolym), försämrad spinal biomekanik (asymmetrisk bentillväxt) och neurologiska faktorer (asymmetrisk kortikal tjocklek, cerebral lateralisering och kroppsschemastörningar).

Den progressiva karaktären av AIS, särskilt den höga risken för försämring vid pubertetens början, komplicerar kliniska beslut. Behandlingen delas traditionellt in i tre stadier:

Observation och träning: För Cobb-vinklar mellan 10°-25°.

Träning och korsett: För Cobb-vinklar mellan 25°-45°.

Kirurgi: För Cobb-vinklar över 45°.

Trots dessa riktlinjer skapar oförutsägbar progression och svårigheter med behandlingstrohet betydande dilemman. Specifikt för fall som gränsar till kirurgisk indikation står kliniker inför utmaningen att välja mellan omedelbar operation eller konservativ uppföljning. För närvarande finns det ingen definitiv metod för att förutsäga progression, och patienter följs vanligtvis med 6-månadersintervall. Under dessa intervall kan en patients tillstånd förbli stabilt eller försämras avsevärt.

Dessutom rekommenderar riktlinjer att bära korsett i genomsnitt 18 timmar per dag, ofta under flera år. Detta krav är fysiskt och psykiskt påfrestande för ungdomar, vilket leder till dålig följsamhet på grund av estetiska bekymmer, funktionella begränsningar och hudirritation. Oförmågan att förutsäga progression leder ofta till överbehandling (onödig korsett) eller underbehandling (försenad intervention), vilket båda innebär risker för patientens långsiktiga hälsa.

Radiologiska bekymmer Sjukdomsprogression övervakas via direkt radiografi (röntgen). Men frekvent bildgivning ökar livstidsrisken för cancer på grund av kumulativ joniserande strålning. Noterbart är att risken för bröstcancer hos flickor med AIS rapporteras vara ungefär sju gånger högre än hos den friska befolkningen. Å andra sidan riskerar man att missa tidsfönster för tidig intervention om uppföljningsintervallen förlängs. En artificiell intelligensmodell (AI) som kan förutsäga kurvprogression skulle kunna optimera bildfrekvensen, vilket säkerställer säkerhet samtidigt som klinisk effektivitet bibehålls.

Mål och metod för studien

Det primära syftet med denna forskning är att utveckla en maskininlärningsbaserad modell för att förutsäga Cobb-vinkeln efter en 12-veckors träningsintervention. Modellen kommer att använda omfattande baslinje- och efterbehandlingsdata, inklusive:

Demografiska och antropometriska data (Ålder, längd, vikt, kön).

Kliniska bedömningar (Cobb-vinkel, Risser-poäng, bålrotationsvinkel).

Funktionella och fysiska mått (bålens muskelstyrka, maximalt inspiratoriskt och expiratoriskt tryck [MIP/MEP], Biodex balansmätningar).

Visuella bedömningar (Walter Reed Visual Deformity Scale [WRVAS]).

Forskningshypoteser

Primära hypotes: En maskininlärningsmodell tränad på data före och efter träning kan signifikant förutsäga Cobb-vinkeln vid slutet av en 12-veckorsperiod med både statistisk och klinisk noggrannhet.

Sekundära hypotes: Genom att förutsäga risken för progression (sannolikheten för en ökning av Cobb-vinkeln) kommer denna modell att bidra till att minska onödiga kirurgiska ingrepp, överbehandling (korsett/kirurgi) och kumulativ röntgenexponering.