딥 러닝 기반 다중 모달 이미지 분석이 경피적 척추성형술 중 골시멘트 누수를 예측하는 데 도움을 줍니다: 모델 개발을 위한 프로토콜 및 전향적 및 외부 데이터셋에 의한 검증

배경 골시멘트 누수(BCL)는 골다공증성 척추 압박 골절(OVCF) 치료를 위한 경피적 척추성형술(PKP)의 가장 흔한 합병증 중 하나로, 이는 심각한 2차 합병증 및 열악한 결과를 초래할 수 있습니다. 이전 연구에서는 BCL을 수술 전 예측하기 위해 여러 전통적인 머신 러닝(ML) 모델을 사용했지만, 현재 모델과 실제 임상 응용 사이의 격차를 메울 수 있는 효과적이고 지능적인 방법이 여전히 부족합니다. 방법 우리는 OVCF 환자의 수술 전 컴퓨터 단층촬영(CT) 및 자기 공명 영상(MRI)을 직접 분석하여 PKP 중 BCL 발생 및 분류를 정확히 예측하는 딥 러닝(DL) 기반 예측 모델을 개발할 것입니다. 이 후향적 연구는 DL 모델 훈련 및 검증을 위한 후향적 내부 데이터셋, 전향적 내부 데이터셋, 모델 테스트를 위한 교차 센터 외부 데이터셋을 포함합니다. 우리는 모델의 예측 성능뿐만 아니라 기준 표준과의 일관성을 계산하고 임상의 예측과 비교하여 모델의 신뢰성을 평가할 것입니다. 논의 이 모델은 중대한 임상적 의미를 가집니다. 임상의는 BCL 발생률을 최소화하기 위해 보다 목표 지향적인 치료 전략을 수립할 수 있으며, 그 결과 각 BCL 하위 유형에 대해 고위험 환자를 수술 전 식별하여 임상 결과를 향상시킬 수 있습니다. 특히, 이 모델은 의료 자원이 비교적 부족한 원거리 지역에서도 확장 및 적용될 수 있는 큰 잠재력을 가지고 있어 더 많은 환자가 양질의 수술 전 평가 및 관리 전략의 혜택을 받을 수 있도록 합니다. 더욱이, 이 모델은 임상 의사와 환자 간의 정보 공유 및 의사 결정을 효율적으로 촉진하여 전반적인 의료 서비스의 질을 향상시키는 데 기여할 것입니다.