$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
A crescente prevalência de artroplastia total do quadril (ATQ) primária levou a um aumento correspondente na necessidade de artroplastia de revisão devido a uma série de fatores, incluindo soltura asséptica, infecção, luxação recorrente e fratura periprotética1. Em comparação com a artroplastia primária do quadril, a cirurgia de revisão do quadril é um procedimento tecnicamente mais complexo e clinicamente desafiador, com maiores taxas de mortalidade2, maiores custos de saúde3 e maiores riscos de complicações4.
Na artroplastia de quadril de revisão, a reconstrução da perda óssea acetabular e a seleção da prótese são primordiais para determinar o sucesso da cirurgia. O cirurgião ortopédico precisa avaliar o estoque ósseo residual e a anatomia alterada, visando a estabilidade inicial adequada da taça acetabular recém-implantada1. Consequentemente, o planejamento pré-operatório preciso é crucial para orientar as opções de tratamento disponíveis.
Atualmente, os cirurgiões ortopédicos são responsáveis por realizar uma avaliação abrangente e planejar a artroplastia de revisão com base nos achados de imagem pré-operatórios e em sua própria experiência cirúrgica. No entanto, isso representará um desafio significativo para o cirurgião inexperiente.
Com o desenvolvimento da tecnologia de inteligência artificial (IA), ela tem sido cada vez mais utilizada em cirurgias ortopédicas, principalmente para segmentação de imagens, diagnóstico e classificação de patologias e implantes5. Enquanto isso, a IA está começando a alcançar o sucesso inicial na assistência à ATQ6 primária. No entanto, o planejamento pré-operatório inteligente para revisão de artroplastia de quadril permanece uma lousa em branco. A IA tem um futuro promissor na cirurgia de revisão do quadril, particularmente na avaliação de defeitos ósseos. Esses defeitos são exclusivos para cada paciente e, embora exibam certos padrões, o método tradicional de classificação de Paprosky carece da precisão necessária para caracterizá-los completamente. No entanto, a IA é capaz de extrair informações mais detalhadas dos dados de imagem, oferecendo um caminho promissor para aumentar a exatidão e a precisão da avaliação de defeitos ósseos. Desenvolvemos um novo sistema de planejamento pré-operatório assistido por IA para orientar as decisões dos cirurgiões ortopédicos sobre a revisão da artroplastia com base na recuperação do banco de dados de casos cirúrgicos especializados.
Primeiro estabelecemos um novo método para reconstrução de defeitos ósseos acetabulares, quantificando e tipificando defeitos ósseos acetabulares. Posteriormente, construímos um banco de dados de casos de revisão do quadril coletando dados clínicos e de imagem de 200 casos cirúrgicos de revisão do quadril de um especialista nacional sênior. O banco de dados consiste em tomografia computadorizada (TC) pré-operatória, raio-X pré-operatório, radiografia pós-operatória e dados demográficos do paciente. Podemos combinar casos no banco de dados com base nas características atuais do defeito ósseo dos pacientes agendados para cirurgia e encontrar os cenários de casos mais semelhantes para fornecer ao cirurgião uma referência pré-operatória. Essa abordagem permite que o cirurgião tenha uma ideia pré-operatória do protocolo de revisão acetabular, reduzindo o tempo de tentativa e erro intraoperatório.