$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Rosnące rozpowszechnienie pierwotnej całkowitej endoprotezoplastyki stawu biodrowego (THA) doprowadziło do odpowiedniego wzrostu konieczności rewizyjnej endoprotezoplastyki z powodu wielu czynników, w tym aseptycznego rozluźnienia, infekcji, nawracających zwichnięć i złamań okołoprotezowych1. W porównaniu z pierwotną endoprotezoplastyką stawu biodrowego, rewizyjna operacja stawu biodrowego jest bardziej złożoną technicznie i klinicznie trudną procedurą, z wyższymi wskaźnikami śmiertelności2, wyższymi kosztami opieki zdrowotnej3, i większym ryzykiem powikłań4.
W rewizyjnej endoprotezoplastyce stawu biodrowego, rekonstrukcja ubytku kości panewki stawowej i wybór protezy są najważniejsze w określeniu powodzenia operacji. Chirurg ortopeda musi ocenić resztki kości i zmienioną anatomię, dążąc do odpowiedniej początkowej stabilności nowo wszczepionego panewki panewki1. W związku z tym precyzyjne planowanie przedoperacyjne ma kluczowe znaczenie dla ukierunkowania dostępnych opcji leczenia.
Obecnie chirurdzy ortopedzi są odpowiedzialni za przeprowadzanie kompleksowej oceny i planowania endoprotezoplastyki rewizyjnej w oparciu o wyniki badań obrazowych przedoperacyjnych i własne doświadczenie chirurgiczne. Niemniej jednak będzie to stanowić poważne wyzwanie dla niedoświadczonego chirurga.
Wraz z rozwojem technologii sztucznej inteligencji (AI), jest ona coraz częściej stosowana w chirurgii ortopedycznej, głównie do segmentacji obrazu, diagnozy i klasyfikacji patologii i implantów5. Tymczasem sztuczna inteligencja zaczyna odnosić początkowe sukcesy w pomaganiu podstawowej klasie THA6. Jednak inteligentne planowanie przedoperacyjne rewizyjnej endoprotezoplastyki stawu biodrowego pozostaje czystą kartą. Sztuczna inteligencja ma przed sobą obiecującą przyszłość w chirurgii rewizyjnej stawu biodrowego, szczególnie w ocenie wad kostnych. Wady te są unikalne dla każdego pacjenta i chociaż wykazują pewne wzorce, tradycyjnej metodzie klasyfikacji Paprosky'ego brakuje precyzji wymaganej do ich pełnego scharakteryzowania. Niemniej jednak sztuczna inteligencja jest w stanie wydobywać bardziej szczegółowe informacje z danych obrazowych, oferując obiecującą drogę do zwiększenia dokładności i precyzji oceny ubytków kostnych. Opracowaliśmy nowatorski system planowania przedoperacyjnego wspomagany sztuczną inteligencją, aby kierować decyzjami chirurgów ortopedów dotyczącymi endoprotezoplastyki rewizyjnej w oparciu o specjalistyczne bazy danych przypadków chirurgicznych.
Najpierw opracowaliśmy nowatorską metodę rekonstrukcji ubytków kości panewki, określając ilościowo i typowo wady kości panewki. Następnie stworzyliśmy bazę danych przypadków rewizji stawu biodrowego, zbierając dane kliniczne i obrazowe dotyczące 200 przypadków operacji rewizji stawu biodrowego od starszego eksperta krajowego. Baza danych składa się z przedoperacyjnej tomografii komputerowej (CT), przedoperacyjnej rentgena, pooperacyjnej rentgeny rentgenowskiej oraz danych demograficznych pacjentów. Możemy dopasować przypadki w bazie danych na podstawie aktualnej charakterystyki ubytków kostnych pacjentów zaplanowanych do operacji i znaleźć najbardziej podobne scenariusze przypadków, aby zapewnić chirurgowi odniesienie przed operacją. Takie podejście pozwala chirurgowi mieć przedoperacyjne wyobrażenie o protokole rewizji panewki, skracając czas śródoperacyjnych prób i błędów.