Revista de Ciencias Teóricas y Computacionales
Acceso abierto

abstracto

Predicción de la gravedad de la osteoartritis de rodilla: modelado comparativo basado en datos de pacientes e imágenes simples de rayos X

Jaynal Abedín

La osteoartritis de rodilla (KOA) es una enfermedad que afecta la función de la rodilla y causa dolor. Un radiólogo revisa las imágenes de rayos X de la rodilla y clasifica el nivel de gravedad de las deficiencias de acuerdo con el esquema de clasificación de Kellgren y Lawrence; una escala ordinal de cinco puntos (0�??4). En este estudio, usamos Elastic Net (EN) y Random Forests (RF) para construir modelos predictivos usando datos de evaluación del paciente (es decir, signos y síntomas de ambas rodillas y uso de medicamentos) y una red neuronal de convolución (CNN) entrenada usando rayos X. solo imágenes. Se utilizaron modelos de efectos mixtos lineales (LMM) para modelar la correlación intrasujeto entre las dos rodillas. El error cuadrático medio para los modelos CNN, EN y RF fue 0,77, 0,97 y 0,94 respectivamente. El LMM muestra una precisión de predicción general similar a la de la regresión EN, pero tuvo en cuenta correctamente la estructura jerárquica de los datos, lo que resultó en una inferencia más confiable. Se identificaron variables explicativas útiles que podrían utilizarse para el seguimiento del paciente antes de la obtención de imágenes por rayos X. Nuestros análisis sugieren que los modelos entrenados para predecir los niveles de gravedad de KOA logran resultados comparables al modelar imágenes de rayos X y datos de pacientes. La subjetividad en el grado KL sigue siendo una preocupación principal.