Искусственный интеллект может помочь предсказать, насколько хорошо пациенты с остеоартрозом тазобедренного сустава смогут снова ходить после операции. Исследователи из Технологического института Карлсруэ (KIT) разработали модель ИИ для анализа двигательных паттернов. Этот анализ биомеханики походки также позволяет адаптировать реабилитационные программы к индивидуальным потребностям пациентов. Исследователи считают, что этот подход, разработанный для тазобедренного сустава, в будущем может быть распространен и на другие суставы. Результаты их работы опубликованы в журнале Arthritis Research & Therapy .

В 2024 году в Германии около 200 000 человек получили искусственные тазобедренные суставы, что сделало эту операцию одной из самых распространенных ортопедических процедур в немецких больницах. В большинстве случаев такие операции проводятся для лечения остеоартроза тазобедренного сустава, который является результатом износа хрящевых поверхностей головки бедренной кости и тазобедренной впадины. С точки зрения подвижности и отсутствия боли, пациенты по-разному реагируют на тотальное эндопротезирование тазобедренного сустава.

Целью совместного проекта, в котором участвуют травматологическая и ортопедическая клиника (Klinik für Unfallchirurgie und Orthopädie) Франкфуртского университета медицины и Институт спорта и спортивной науки (IfSS) KIT, является понимание этих различий. Проект (Улучшение результатов хирургического лечения остеоартроза тазобедренного сустава на основе биомеханических и биомаркерных исследований (HOBBID)) финансируется Немецким фондом научных исследований.

Исследователи из KIT использовали данные биомеханики походки, полученные до и после операций у пациентов с остеоартрозом тазобедренного сустава, для разработки модели искусственного интеллекта, анализирующей двигательные паттерны пациентов. Данные были получены и обработаны Франкфуртским университетским медицинским центром, который предоставил их KIT для анализа на основе ИИ.

Преобразование сложных биомеханических данных в практические приложения.

«Биомеханические данные, описывающие движение в биологических системах с помощью методов механики, анатомии и физиологии, чрезвычайно сложны», — сказал доктор Бернд Й. Штеттер, руководитель исследовательской группы по здоровью и технологиям опорно-двигательного аппарата в Институте социальных наук и хирургии (IfSS) и ведущий автор исследования. «С помощью нашей модели искусственного интеллекта мы делаем эти данные доступными для практического применения. Это шаг к персонализированному лечению».

По словам Штеттера, модель обучена и ориентирована на использование искусственных тазобедренных суставов, но в будущем ее можно будет применять и для других суставов и заболеваний. Такая модель ИИ могла бы помочь врачам в принятии решений, донести до пациентов реалистичные ожидания и обеспечить персонализированную послеоперационную реабилитацию.

Выявлены различные модели изменения походки

Для исследования ученые проанализировали биомеханику походки 109 пациентов с односторонним остеоартрозом тазобедренного сустава до проведения тотального эндопротезирования; 63 из этих пациентов были повторно обследованы после операции, а 56 здоровых человек составили контрольную группу.

Для всех участников были получены данные о трехмерных углах суставов и нагрузках на суставы с помощью моделирования опорно-двигательного аппарата. Анализ на основе ИИ показал, что лиц с остеоартрозом тазобедренного сустава можно разделить на три группы с различными паттернами изменения походки. Было показано, что определенные биомеханические параметры походки, такие как углы и нагрузки на тазобедренный сустав, особенно полезны для определения принадлежности человека к той или иной группе. Три группы также различались по возрасту, росту, весу, скорости ходьбы и степени тяжести остеоартроза.

Три группы пациентов по-разному отреагировали на операцию. У некоторых улучшение биомеханики походки с искусственным тазобедренным суставом было значительным; у других — менее значительным. Иными словами, некоторые люди после операции могли ходить почти нормально, в то время как другие продолжали демонстрировать явные отклонения от контрольной группы.

«Наша модель позволяет прогнозировать, кому операция принесет наибольшую пользу, а кому потребуется дополнительная интенсивная терапия после нее», — сказал Штеттер. «Поскольку алгоритмы понятны и прозрачны, мы ожидаем, что модель получит широкое клиническое признание».

Внимание, автоперевод! За ошибки перевода ответственности не несём. Первоисточник по ссылке.