JoVE Logo

Anmelden

In diesem Artikel

  • Zusammenfassung
  • Zusammenfassung
  • Einleitung
  • Protokoll
  • Ergebnisse
  • Diskussion
  • Offenlegungen
  • Danksagungen
  • Materialien
  • Referenzen
  • Nachdrucke und Genehmigungen

Zusammenfassung

Diese Studie schlägt einen neuartigen präoperativen Planungsansatz mit künstlicher Intelligenz vor, der auf dem Abruf von chirurgischen Falldatenbanken durch Experten bei der Hüftendoprothetik basiert. Darüber hinaus wurde die Technik zunächst bei fünf Patienten eingesetzt, was eine Verkürzung der Operationszeit und intraoperativer Blutungen zeigte.

Zusammenfassung

Eine genaue präoperative Planung bei der Revisionshüftendoprothetik ist entscheidend für das Erreichen erfolgreicher Ergebnisse. Um die intuitive Beurteilung des Schweregrads von Hüftpfannendefekten zu verbessern und frühere erfolgreiche Erfahrungen in der Revisionshüftendoprothetik zu nutzen, wird in dieser Studie ein neuartiger Ansatz vorgeschlagen, der auf dem Abrufen von chirurgischen Falldatenbanken durch Experten basiert und zunächst in der klinischen Anwendung implementiert wird. In dieser Studie wurden fünf Patienten, die eine Hüftendoprothetik benötigten, präoperativ so geplant, dass sie das chirurgische Planungssystem der Expertenfalldatenbank verwenden. Die Bildgebungsdaten des Patienten wurden in das System eingegeben und mit den Fällen in der Expertenfalldatenbank abgeglichen. Basierend auf den chirurgischen Erfahrungen des Experten wurde ein Revisionsoperationsplan empfohlen. Wurde kein geeigneter Fall gefunden, wurden Modell und Position der Prothese auf Basis patientenspezifischer Rekonstruktionsergebnisse geplant. Insgesamt wurden fünf Patienten in diese Studie aufgenommen, vier Männer und eine Frau, mit einem Durchschnittsalter von 50,6 Jahren. Die Diagnose lautete: aseptische Prothesenlockerung nach Hüftendoprothese. Die mittlere Operationszeit betrug 123,2 min und die mittlere intraoperative Blutung 672 ml. Es wurden keine intraoperativen Komplikationen wie Gefäß- oder Nervenverletzungen beobachtet. In Fall 2 beispielsweise ermöglichte die Anwendung dieses innovativen Planungsschemas dem Chirurgen, den Revisionsoperationsplan für diesen Patienten in der präoperativen Phase zu erstellen, wodurch die Operationszeit und die intraoperative Blutung reduziert wurden. Darüber hinaus konnten die Patienten im Vorfeld über die Ergebnisse analoger Fälle informiert werden. Die Nutzung eines Big-Data-Analyseansatzes durch unsere umfassende Falldatenbank ermöglicht die automatisierte Identifizierung passender Behandlungspläne von Experten während des gesamten Prozesses. Davon profitieren vor allem unerfahrene orthopädische Chirurgen, da sie bei der Auswahl geeigneter Prothesengrößen und Montagepositionen eine genaue Anleitung zu chirurgischen Strategien erhalten. Darüber hinaus können die übereinstimmenden Ergebnisse den Patienten Visualisierungen bieten, die die vorhergesagten postoperativen Ergebnisse darstellen.

Einleitung

Die zunehmende Prävalenz der primären Hüfttotalendoprothetik (THA) hat zu einem entsprechenden Anstieg der Notwendigkeit einer Revisionsendoprothetik geführt, was auf eine Reihe von Faktoren zurückzuführen ist, darunter aseptische Lockerung, Infektionen, rezidivierende Dislokationen und periprothetische Frakturen1. Im Vergleich zur primären Hüftendoprothetik ist die Hüftrevisionsoperation ein technisch komplexeres und klinisch anspruchsvolleres Verfahren mit höheren Sterblichkeitsraten2, höheren Gesundheitskosten3 und größeren Komplikationsrisiken4.

Bei der Revisions-Hüftendoprothetik sind die Rekonstruktion des Hüftpfannenknochenverlusts und die Auswahl der Prothese von größter Bedeutung für den Erfolg der Operation. Der Orthopäde muss den Restknochenbestand und die veränderte Anatomie beurteilen, um eine ausreichende Anfangsstabilität der neu implantierten Hüftpfanne1 zu erreichen. Daher ist eine präzise präoperative Planung entscheidend, um die verfügbaren Behandlungsoptionen zu steuern.

Derzeit sind Orthopäden für die Durchführung einer umfassenden Beurteilung und Planung der Revisionsendoprothetik auf der Grundlage präoperativer bildgebender Befunde und ihrer eigenen chirurgischen Erfahrung verantwortlich. Dennoch wird dies für den unerfahrenen Chirurgen eine große Herausforderung darstellen.

Mit der Entwicklung der Technologie der künstlichen Intelligenz (KI) wird sie zunehmend in der orthopädischen Chirurgie eingesetzt, vor allem zur Bildsegmentierung, Diagnose und Klassifizierung von Pathologien und Implantaten5. In der Zwischenzeit beginnt die KI, erste Erfolge bei der Unterstützung der primären THA6 zu erzielen. Die intelligente präoperative Planung für die Hüftendoprothetik bleibt jedoch ein unbeschriebenes Blatt. Die KI hat eine vielversprechende Zukunft in der Hüftrevisionschirurgie, insbesondere bei der Beurteilung von Knochendefekten. Diese Defekte sind für jeden Patienten einzigartig, und obwohl sie bestimmte Muster aufweisen, fehlt es der traditionellen Paprosky-Klassifikationsmethode an der Präzision, die erforderlich ist, um sie vollständig zu charakterisieren. Nichtsdestotrotz ist KI in der Lage, detailliertere Informationen aus Bilddaten zu extrahieren, was einen vielversprechenden Weg bietet, um die Genauigkeit und Präzision der Beurteilung von Knochendefekten zu verbessern. Wir haben ein neuartiges KI-gestütztes präoperatives Planungssystem entwickelt, um orthopädische Chirurgen bei der Entscheidung über eine Revisionsendoprothetik auf der Grundlage des Abrufs von chirurgischen Falldatenbanken durch Experten zu unterstützen.

Zunächst haben wir eine neuartige Methode zur Rekonstruktion von Hüftpfannendefekten etabliert, indem wir Hüftknochendefekte quantifizieren und typisieren. Anschließend erstellten wir eine Datenbank für Hüftrevisionsfälle, indem wir klinische und bildgebende Daten zu 200 chirurgischen Fällen von Hüftrevisionen von einem hochrangigen nationalen Experten sammelten. Die Datenbank besteht aus präoperativer Computertomographie (CT), präoperativem Röntgen, postoperativem Röntgen und Patientendemografie. Wir können Fälle in der Datenbank auf der Grundlage der aktuellen Knochendefektmerkmale von Patienten, die für eine Operation geplant sind, abgleichen und die ähnlichsten Fallszenarien finden, um dem Chirurgen eine präoperative Referenz zu liefern. Dieser Ansatz ermöglicht es dem Chirurgen, eine präoperative Vorstellung vom Protokoll der Hüftpfannenrevision zu haben, wodurch die intraoperative Trial-and-Error-Zeit reduziert wird.

Protokoll

Die Studie erhielt die Genehmigung der Ethikkommission des Orthopädisch-Traumatologischen Krankenhauses Luoyang der Provinz Henan. Darüber hinaus basierte diese Studie auf bildgebenden Daten und würde den Freiwilligen nicht schaden oder ihre Informationen preisgeben. Daher war es nach nationalem Recht und institutionellen Anforderungen nicht erforderlich, dass die Teilnehmer oder ihre Erziehungsberechtigten/nächsten Angehörigen eine Einwilligungserklärung nach Aufklärung unterzeichnen mussten.

1. Import von Bildern

  1. Importieren Sie die Original-CT-Daten der beidseitigen Hüfte des Patienten. Öffnen Sie die medizinische Bildverarbeitungssoftware, wählen Sie Daten importieren und klicken Sie auf Lokale Daten , um die ursprünglichen CT-Daten des Patienten zu importieren. Abbildung 1 zeigt die Bildimportschnittstelle.

2. Wiederherstellung des Hüftpfannedefekts auf der betroffenen Seite

  1. Stellen Sie fest, ob der Patient eine einseitige oder bilaterale Läsion hat. Wählen Sie das Messwerkzeug aus und zeichnen Sie mit der Maus ein rechteckiges Feld auf das Bild, um den HU-Wert (Hounsfield-Einheit, HU) der Hüftknochenfläche direkt zu messen. Betrachten Sie Metall als vorhanden, wenn der HU-Wert 1000 überschreitet, und bezeichnen Sie diesen Bereich als betroffenes Hüftgelenk.

3. Bildsegmentierung und -rekonstruktion

  1. Wählen Sie die Bilddaten des zu planenden Patienten aus. Klicken Sie auf die Option Automatische Segmentierung , der CT-Wert von 400 ist standardmäßig für die grobe Segmentierung des Hüftknochens ausgewählt.
  2. Wählen Sie die Schaltfläche Bearbeiten aus, um die Segmentierungsergebnisse der einzelnen Teile der einzelnen Ebenen manuell anzupassen. Wählen Sie dann die Option 3D-Rekonstruktion , um die Berechnung der 3D-Rekonstruktion der Stelle des Patienten abzuschließen. Das rekonstruierte 3D-Modell umfasst hauptsächlich die linken/rechten Hüftknochen und die linken/rechten Oberschenkelregionen. Wie in Abbildung 2 gezeigt, werden verschiedene Teile mit unterschiedlichen Farben dargestellt.

4. Teilung des Hüftpfannendefekts und Berechnung des Defektbetrags

  1. Für Patienten mit einseitiger Hüftoperation wählen Sie das 3D-Modell der gesunden Seite. Nutzen Sie die Spiegelfunktion, um sie an die anatomische Struktur der betroffenen Seite anzupassen. Damit ist die Rekonstruktion des Modells für die Wiederherstellung des Hüftgelenks abgeschlossen.
  2. Für Patienten mit beidseitiger Hüftoperation öffnen Sie die Standardmodellbibliothek und wählen Sie als Restaurationsmodell das Hüftmodell aus, das der Anatomie des Patienten am ähnlichsten ist.
  3. Klicken Sie auf die Option Partitionieren , um das 3D-Modell des Hüftdefekts (betroffene Seite), das in Schritt 2 rekonstruiert wurde, und das 3D-Modell der Hüfte, das in Schritt 3 wiederhergestellt wurde, zu teilen. Klicken Sie dann auf die Option Differenzoperation , um die Differenzoperation für die beiden partitionierten Hüftknochenmodelle durchzuführen und den Hüftpfannendefekt zu berechnen. Das Hüftknochenmodell wird nach Qins Methode7 in verschiedene Regionen unterteilt, wie in Abbildung 3 gezeigt.
    HINWEIS: Aufgrund des Fokus auf die 3-Punkt-Fixation (Rami ischii, Rami ossis pubis und anterosuperior Teil des Acetabulums) der Hüftpfanne innerhalb der Grenzen der Hüftpfanne wurde die Hüftpfanne alle 120° in 3 gleiche Teile geteilt, definiert als das Schädeldach, die vordere Säule und die hintere Säule, ohne die mediale Wand. Um chirurgische Eingriffe zu steuern, stellen Sie die Unterschichten basierend auf dem Durchmesser des Hüftpfanne her. Es wurde festgelegt, dass die innere Schicht zwischen 54 mm und 62 mm und die äußere Schicht zwischen 62 mm und 70 mm für Männer liegen muss. Die innere Schicht liegt zwischen 50 mm und 58 mm und die äußere Schicht zwischen 58 mm und 66 mm für Frauen.

5. Expertensuche in der Datenbank für Hüftrevisionen - Planung von Hüftpfannendefekten

  1. Öffnen Sie die Expertenfallbasis und verwenden Sie das berechnete Hüftpfannendefektvolumen, wie oben beschrieben, als Eingabe für den Abruf. Wählen Sie die Messwerkzeuge aus, um die relevanten Planungsparameter auf den prä- und postoperativen Röntgenfilmen der entnommenen Fälle zu beurteilen und die Planungsdaten zu erhalten.
  2. Öffnen Sie die Expertenfallbasis und geben Sie die Art und Menge des Hüftdefekts für den automatischen Abruf ein. Es werden die entsprechenden Fallinformationen in der Datenbank eingeholt, einschließlich präoperativer und postoperativer Bilder ähnlicher Fälle und der Planungsparameter des Arztes (Implantatgröße, -position usw.).
  3. Die Suchergebnisse werden in der Reihenfolge der Ähnlichkeit von der höchsten zur niedrigsten angezeigt. Lassen Sie den Arzt die ähnlichsten Fälle auswählen. Die vollständige Vorgehensweise ist in Abbildung 4 dargestellt.
  4. Wenn ein ähnlicher Fall in der obigen Datenbank nicht zu finden ist, übernehmen Sie das Ergebnis der Modellrekonstruktion aus Schritt 2, wobei die Mitte des intakten Hüftpfanne als Zentrum der Hüftpfanne verwendet wird. Standardmäßig beträgt der Winkel der Hüftpfanne in der ante-Version 20° und der Abduktionswinkel 40° (diese Regel ist klinisch definiert).
    HINWEIS: Nach der Planung ist der Chirurg in der Lage, den chirurgischen Eingriff zu antizipieren und die Prothese und die unterstützenden Instrumente präziser vorzubereiten. Dieser Ansatz schließt die Möglichkeit aus, in eine Situation zu geraten, in der während der Operation nicht die richtige Prothese verfügbar ist. Darüber hinaus wird die empfohlene Lösung direkt während der Operation eingesetzt, wodurch alternative Lösungen, Umwege oder langwierige Trial-and-Error-Prozesse vermieden werden.

Ergebnisse

Derzeit haben wir diese Methode bei fünf Fällen von Patienten angewendet, die sich einer Hüftendoprothetik unterzogen haben, darunter vier Männer und eine Frau. Das Alter reichte von 42 bis 67 Jahren. Sie wurden als aseptische Prothesenlockerung nach Hüftendoprothetik diagnostiziert und anhand der Paprosky-Klassifikation8 klassifiziert. Die mittlere Operationszeit für die fünf Patienten betrug 123,2 min, mit einem mittleren intraoperativen Blutverlust von 672 ml. Die Operationszeit ist die Gesamtzeit, einschließlich der Revision der Oberschenkelschaftprothese. Die Details der Patienten sind in Tabelle 1 und die Rekonstruktionsergebnisse in Abbildung 5 dargestellt.

Nehmen wir als Beispiel den zweiten Fall: Die Patientin ist eine 67-jährige Frau, die sich vor 13 Jahren einer THA unterzogen hat. Sie stellte sich im Januar 2024 mit Hüftschmerzen und Dysmobilität im Krankenhaus vor, die seit 3 Jahren anhielten. Die Diagnose lautete eine Lockerung der Prothese nach THA, eine Paparosky-Klassifizierung als Typ IIC und eine Revisions-Hüftendoprothetik. Wir importierten präoperative CT-Daten des Patienten in das System und verglichen sie mit denen eines 58-jährigen männlichen Patienten, der im November 2017 beobachtet wurde und einen bemerkenswert ähnlichen Hüftpfannendefekt aufwies. Zu diesem Zeitpunkt wurde der chirurgische Eingriff mit dem Jumbo-Becher in Verbindung mit der Kompressionsknochentransplantationstechnik durchgeführt, was zu einer vollständigen Anfangsstabilität, günstigen Ergebnissen bei der 5-Jahres-Nachbeobachtung und einer zuverlässigen Prothesenstabilität führte. Bei dieser Patientin wurde ein einheitlicher Operationsplan (Jumbo-Pfanne mit einer Kompressionsknochentransplantationstechnik) angewendet. Es hat sich gezeigt, dass der Prozess den Zeitaufwand für die intraoperative Planung sowie den Zeitaufwand für das Abrufen und Ersetzen verschiedener Arten von Binden und Jumbobechern reduziert. Folglich hat sich gezeigt, dass es Blutungen und das Infektionsrisiko reduziert. Aufgrund der Notwendigkeit einer gleichzeitigen Revision der Stammseite erreichte die intraoperative Blutung 690 ml, die intraoperative Hüftpfannenstabilität war jedoch zufriedenstellend. Der Patient stand 8 Monate unter Beobachtung, in denen zuverlässige Ergebnisse erzielt wurden, und die betroffene Hüfte hat eine gute Funktionalität gezeigt (Abbildung 6). Der Patient zeigte keine Komplikationen, einschließlich Schmerzen, Funktionsstörungen, bildgebende Darstellungen, die auf eine Prothese in Position hindeuteten, normale Entzündungsmarker und keine Hinweise auf eine Infektion oder sekundäre Lockerung der Prothese.

figure-results-2899
Abbildung 1: Bildimport-Schnittstelle des Systems. Das System verfügt sowohl über lokale als auch über PACS-Importfunktionen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

figure-results-3400
Abbildung 2: Rekonstruiertes 3D-Modell. Unterschiedliche Teile werden in unterschiedlichen Farben dargestellt. Blau: rechte Hüftpfanne; Rot: rechte Oberschenkelknochen; Gelb: linke Hüftpfanne; Grün: Linke Oberschenkel. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

figure-results-3994
Abbildung 3: Qins Partitionierungsmethode für Hüftpfannendefekte. Die Hüftpfanne ist in drei defekte Sektoren unterteilt (Schädeldach, vordere Säule und hintere Säule). Die Sektoren werden in eine innere und eine äußere Schicht unterteilt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

figure-results-4609
Abbildung 4: Ablauf der Planung einer Hüftendoprothetik. Das komplette Verfahren der Rekonstruktion, Bewertung und Planung von Hüftpfannendefekten. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

figure-results-5132
Abbildung 5: Rekonstruktionsergebnisse der Hüftpfanne der Patienten. Die Abbildung zeigt die Rekonstruktionsergebnisse für die vier Patienten in Verbindung mit den entsprechenden Datenbankfällen und ihren postoperativen Ergebnissen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

figure-results-5740
Abbildung 6: Beispiel für einen Fallabgleich. (A) präoperatives Bild des zweiten Falles. (B) Rekonstruktion von Hüftpfannendefekten in Fall 2. (C) Postoperatives Bild des zweiten Falles. (D) Präoperatives Bild des übereinstimmenden Sachverständigenfalls. (E) Rekonstruktion von Hüftpfannendefekten im passenden Sachverständigenfall. (F) postoperatives Bild des übereinstimmenden Sachverständigenfalls. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

FallGeschlechtAlterDiagnosePaparosky-KlassifikationBetriebszeit (min)Intraoperative Blutung (ml)
1Mann45aseptische Prothesenlockerung nach HüftendoprothetikIIA112560
2Frau67IIC135690
3Mann56IIIB1461020
4Mann42IIB106420
5Mann43IIC117470

Tabelle 1: Zusammenfassung und Vergleich der Fälle.

Diskussion

Aufgrund erheblicher anatomischer Schäden, des komplizierten Weichteilzustands nach einer Hüftendoprothetik und des Vorhandenseins schwerer Metallartefakte, die häufig mit Metallimplantaten in Verbindung gebracht werden, ist es für erfahrene Mediziner häufig erforderlich, die 3D-Rekonstruktion zu nutzen, um die Bildgebungsergebnisse und klinischen Manifestationen umfassend zu analysieren, um spezifische Knochendefekte bei Patienten zu beurteilen und anschließend geeignete Hüftpfannenprothesen zu planen9, 10. Urheberrecht Aber selbst wenn ein Patientenmodell rekonstruiert wird, hängt die präoperative Planung immer noch stark von der Expertise der Ärzte ab, insbesondere wenn es sich um Patienten mit schweren Hüftpfannendefekten handelt. Junge Ärztinnen und Ärzte stehen daher bei der Behandlung solcher Patienten vor erheblichen Herausforderungen. Um das Ausmaß von Hüftgelenksdefekten genauer beurteilen zu können und frühere Erfahrungen in der komplexen präoperativen Planung des Hüftgelenks als Referenz für Ärzte zu nutzen, wurde in dieser Studie eine Expertendatenbank verwendet, die nahezu alle klinischen Arten von Hüftgelenksdefekten umfasst und die Patienten nach bestimmten Kriterien kategorisiert. Durch die Auswertung von Hüftpfannendefekten aus dieser Datenbank können Ärzte geeignete Hüftpfannenprothesen und chirurgische Protokolle auswählen, um die postoperative Stabilität und funktionelle Wiederherstellung des Hüftgelenks zu gewährleisten.

Obwohl die primäre Hüftendoprothetik ein etabliertes Verfahrenist 11, spielt die Beurteilung von Hüftpfannendefekten eine entscheidende Rolle für den Erfolg und die Stabilität der Revisionshüftendoprothetik. Bildgebende Verfahren wie Röntgen, Magnetresonanztomographie (MRT) und CT werden häufig zur Beurteilung von Hüftpfannendefekten eingesetzt. Diese Techniken bieten detaillierte Informationen über die Struktur des Acetabulums, einschließlich des knöchernen Zustands, der Defektgröße und der Lokalisation. Darüber hinaus kann bestimmte medizinische Bildanalysesoftware verwendet werden, um die Acetabulumdicke zu berechnen und Defekte durch Wärmekarten zu visualisieren 12,13,14. Das Vorhandensein von Artefakten von Metallprothesen in präoperativen Bildern kann jedoch die Genauigkeit der Hüftpfannensegmentierung beeinträchtigen. In dieser Studie wurden Softwarealgorithmen von Drittanbietern verwendet, um Artefakte vor ihrem Import in das System für nachfolgende Vorgänge zu entfernen. Die Verfeinerung von De-Artefakt-Schritten ist ein Thema, das in zukünftigen Studien untersucht werden soll. Das Netzwerk wurde mit echten Artefaktbildern trainiert, die den Trainingssatz bilden, und nachbearbeiteten Bildern ohne Artefakte, die den Beschriftungssatz für das Netzwerktraining bilden. Dieser Ansatz hat zu zufriedenstellenden Ergebnissen bei der Entfernung von Metallartefakten geführt. Anschließend wurde ein neuronales U-Net-Netz eingesetzt, um die Originalbilder automatisch zu segmentieren und dreidimensional zu rekonstruieren. Durch die Nutzung unterschiedlicher Dichtewerte zwischen Hüftknochen und anderen Geweben wurde in dieser Studie eine beeindruckende Segmentierungsgenauigkeit von 95 % für das Hüftgelenk erreicht. Der Einsatz von Deep-Learning-Technologie verkürzt die Zeit für die Modellrekonstruktion erheblich und unterstützt die chirurgische Planung bei gleichzeitiger Steigerung der klinischen Effizienz. Folglich ist es sehr praxistauglich und klinisch wertvoll.

Ein umfassendes Verständnis der Morphologie und des Ausmaßes von Hüftpfannendefekten, gepaart mit der Entwicklung eines geeigneten Rekonstruktionsplans, ist entscheidend für den Erfolg der Hüftrevisionsoperation15. Aufgrund des Prinzips der Differentialrechnung waren Form und Größe der Hüftpfanne bei jedem Patienten unterschiedlich. Dementsprechend wurde in Fällen, in denen der Patient einen einseitigen Defekt aufwies, in dieser Studie eine Spiegelbearbeitung in Übereinstimmung mit der Hüftpfanne auf der gesunden Seite durchgeführt. Danach wurde das gespiegelte Acetabulummodell als Rekonstruktionsmodell verwendet und eine starre Registrierung mit dem defekten Acetabulum durchgeführt. Schließlich wurde die Differenz zwischen dem rekonstruierten kompletten Hüftpfanne und dem ursprünglichen Defektmodell berechnet, um die Anzahl der Knochendefekte zu erhalten. Um das Ausmaß der Knochendefekte in dieser Studie zu berechnen, wurde die von Qin7 vorgeschlagene Methode der acetabulären Partitionierung verwendet, um den Grad der Knochendefekte in jeder Teilung zu bestimmen. Diese wurden dann mit den Fällen in der Expertendatenbank korreliert. Wenn der Patient bilaterale Defekte hat, besteht die Rekonstruktionsmethode darin, ein statistisches Formmodell durch eine große Anzahl vollständiger und gesunder Acetabulumdaten im Voraus zu verwenden, basierend auf der statistischen Berechnung der PCA-Hauptkomponentenanalyse, um einen Satz von Durchschnittsmodellen für die Berechnung nachfolgender Defekte zu erhalten.

Eine genaue präoperative Planung kann die Operationszeit verkürzen, den intraoperativen Blutverlust verringern und die chirurgischen Ergebnisse verbessern16. Es wurde gezeigt, dass die Anwendung der präoperativen 3D-Planung bei der primären THA im Vergleich zur konventionellen 2D-Planung genauere Vorhersagen der Abmessungen der Hüftpfanne und des Femurschafts sowie der Position der Prothesenimplantation ermöglicht. Dieser Fortschritt trägt wesentlich zum Erfolg der THA-Chirurgie bei17,18. Mit der Entwicklung der KI-Technologie hat die KI-basierte THA-3D-Planung eine verbesserte Genauigkeit und Effizienz gezeigt19. Dennoch müssen das Potenzial der präoperativen 3D-Planung und die bedeutenden klinischen Anwendungen der KI-Technologie in der Hüftendoprothetik noch vollständig ausgeschöpft werden. In dieser Studie wurden die präoperative 3D-Planung und KI-Technologie auf die klinische Revision der Hüftendoprothetik angewendet. Obwohl die Anwendung von Fällen begrenzt war (nur 5 Fälle) und es noch nicht möglich war, die Genauigkeit der Prothesengrößenanpassung zu beurteilen, konnte der automatische Abgleich ähnlicher Fälle dem Chirurgen Vorschläge für Operationspläne liefern. In der Zwischenzeit zeigten Patienten, die sich einer Revisionsoperation auf der Grundlage des vorgeschlagenen Plans unterzogen hatten, eine zufriedenstellende funktionelle Erholung. Darüber hinaus betrug in früheren Studien die mittlere Dauer der Revisionsoperation 200-300 min, mit einem mittleren intraoperativen Blutverlust von 800-2000 ml 20,21,22. Die mittlere Operationsdauer in dieser Studienkohorte von fünf Patienten betrug 123,2 min, wobei die intraoperative Blutung 672 ml betrug. Es hat sich gezeigt, dass die Anwendung unseres neuartigen Ansatzes zur Revisions-Hüftendoprothetik die Operationszeit und die intraoperative Blutung reduziert.

Die Nutzung einer Expertendatenbank für die Rekonstruktion von Hüftpfannendefekten und die präoperative Planung in der Revisionshüftendoprothetik hat deutliche Vorteile gezeigt. Die Nutzung früherer Erfahrungen in der Hüftendoprothetik, insbesondere für unerfahrene Mediziner, kann wertvolle Erkenntnisse und Referenzen liefern, um die Genauigkeit der präoperativen Planung zu verbessern. Bei komplizierten Revisionsoperationen ermöglicht die Übernahme ähnlicher Operationspläne von Expertenfällen den Ärzten, die notwendigen Anpassungen vorzunehmen oder sie sogar je nach Patientenzustand wiederzuverwenden, wodurch die präoperative Planungszeit verkürzt und die klinische Effizienz verbessert wird. Gleichzeitig können Patientinnen und Patienten über die Expertendatenbank Vorwissen über die postoperativen Ergebnisse erwerben. Aufgrund der eingeschränkten Abrufmöglichkeiten und der begrenzten Nachbeobachtungszeiträume für Patienten bestehen jedoch nach wie vor Einschränkungen beim Zugriff auf die Expertendatenbank, so dass weitere Langzeit-Nachbeobachtungen erforderlich sind, um die Wirksamkeit der Behandlung zu bewerten. Des Weiteren wird in der Planung unserer Hüftrevisionsendoprothetik der laterale Femur nicht berücksichtigt. Daher kann in Fällen, in denen die femorale laterale Revision eine Herausforderung darstellt, die Gesamtoperationszeit nicht verkürzt werden. Um einen Einblick in die Entwicklung der Operationszeit in jeder Phase zu erhalten, wird in einer Folgestudie die Gesamtzeit der Operation in Schnitten aufgezeichnet. Dies ermöglicht eine statistische Analyse und einen Vergleich der Veränderungen der Operationszeit über verschiedene Stadien hinweg.

Schlussfolgerung
Die präoperative Planungsmethode, die die Rekonstruktion von Hüftpfannendefekten und die Entnahme aus einer Expertenfalldatenbank umfasst, stellt einen neuartigen Ansatz für die chirurgische Planung für medizinisches Fachpersonal dar. Die Nutzung des in der Falldatenbank gespeicherten Fachwissens ermöglicht eine schnelle und präzise Durchführung komplexer Hüftoperationen.

Offenlegungen

Die Autoren Xiaolu Xi, Ke Yuan und Qiang Xie sind bei Wuhan United Imaging Surgical Co., Ltd. angestellt. Die übrigen Autoren erklären, dass sie keine konkurrierenden Interessen haben.

Danksagungen

Das KI-präoperative Planungssystem in dieser Arbeit wurde von Wuhan United Imaging Surgical Co., Ltd. unterstützt.

Materialien

NameCompanyCatalog NumberComments
PyCharmJetBrains243.21565.199The Python IDE for data science and web development

Referenzen

  1. Sadoghi, P., et al. Revision surgery after total joint arthroplasty: a complication-based analysis using worldwide arthroplasty registers. J Arthroplasty. 28 (8), 1329-1332 (2013).
  2. Laughlin, M. S., et al. Mortality after revision total hip arthroplasty. J Arthroplasty. 36 (7), 2353-2358 (2021).
  3. Bozic, K. J., et al. Comparative epidemiology of revision arthroplasty: Failed THA poses greater clinical and economic burdens than failed TKA. Clin Orthop Relat Res. 473 (6), 2131-2138 (2015).
  4. Mahomed, N. N., et al. Rates and outcomes of primary and revision total hip replacement in the United States medicare population. J Bone Joint Surg Am. 85 (1), 27-32 (2003).
  5. Ko, S., et al. Artificial intelligence in orthopedics: three strategies for deep learning with orthopedic specific imaging. Knee Surg Sports Traumatol Arthrosc. 30 (3), 758-761 (2022).
  6. Velasquez Garcia, A., et al. Artificial intelligence-based three-dimensional templating for total joint arthroplasty planning: a scoping review. Int Orthop. 48 (4), 997-1010 (2024).
  7. Wang, J., et al. Statistical shape models quantify acetabular defects in hip revision surgery: implications for classification and surgical planning. Arch Orthop Trauma Surg. 145 (1), 45 (2024).
  8. Telleria, J. J., Gee, A. O. Classifications in brief: Paprosky classification of acetabular bone loss. Clin Orthop Relat Res. 471 (11), 3725-3730 (2013).
  9. Zhang, J. W., et al. Comparison of 3D printing rapid prototyping technology with traditional radiographs in evaluating acetabular defects in revision hip arthroplasty: A prospective and consecutive study. Orthop Surg. 13 (6), 1773-1780 (2021).
  10. Li, Q., et al. Three-dimensional technology assisted trabecular metal cup and augments positioning in revision total hip arthroplasty with complex acetabular defects. J Orthop Surg Res. 14 (1), 431 (2019).
  11. Matar, H. E., Platt, S. R., Board, T. N., Porter, M. L. Overview of randomized controlled trials in primary total hip arthroplasty (34,020 Patients): What have we learnt. J Am Acad Orthop Surg Glob Res Rev. 4 (8), e20.00120 (2020).
  12. D'Apolito, R., Zagra, L. Uncemented cups and impaction bone grafting for acetabular bone loss in revision hip arthroplasty: A review of rationale, indications, and outcomes. Materials. 15 (10), 3728 (2022).
  13. Mancino, F., et al. Reconstruction options and outcomes for acetabular bone loss in revision hip arthroplasty. Orthop Rev. 12 (Suppl 1), 8655 (2020).
  14. Ying, J., et al. Treatment of acetabular bone defect in revision of total hip arthroplasty using 3D printed tantalum acetabular augment. Orthop Surg. 15 (5), 1264-1271 (2023).
  15. Shen, J., et al. Study on the causes of revision and prosthesis selection after total hip replacement for Crowe Type IV hip dysplasia. Chinese J Reparative Reconstructive Surg. 34 (05), 557-562 (2020).
  16. Yang, W., et al. Clinical application of artificial intelligence-assisted three-dimensional planning in direct anterior approach hip arthroplasty. Int Orthop. 48 (3), 773-783 (2024).
  17. Crutcher, J. P., Hameed, D., Dubin, J., Mont, M. A., Mont, M. Comparison of three-versus two-dimensional pre-operative planning for total hip arthroplasty. J Orthop. 47, 100-105 (2023).
  18. Chen, X., et al. Validation of CT-Based three-dimensional preoperative planning in comparison with acetate templating for primary total hip arthroplasty. Orthop Surg. 14 (6), 1152-1160 (2022).
  19. Huo, J., et al. Value of 3D preoperative planning for primary total hip arthroplasty based on artificial intelligence technology. J Orthop Surg Res. 16 (1), 156 (2021).
  20. Saito, K., et al. Intraoperative hemorrhage in revision total hip arthroplasty: a retrospective single-center study. J Anesth. 33 (3), 399-407 (2019).
  21. Pflüger, M. J., Frömel, D. E., Meurer, A. Total hip arthroplasty revision surgery: Impact of morbidity on perioperative outcomes. J Arthroplasty. 36 (2), 676-681 (2021).
  22. Bautista, M., et al. Thromboprophylaxis for hip revision arthroplasty: Can we use the recommendations for primary hip surgery? A cohort study. Clin Appl Thromb Hemost. 25, 1076029618820167 (2019).

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Weitere Artikel entdecken

Klinische AnwendungK nstliche IntelligenzPr operative PlanungRevisions H ftendoprothetikExpertendatenbankH ftpfannendefektChirurgische FalldatenbankBildgebende DatenOperationsplanungssystemOperationszeitIntraoperative BlutungPatientenspezifische RekonstruktionBehandlungspl neOrthop dische ChirurgenVorhergesagte postoperative Ergebnisse

This article has been published

Video Coming Soon

JoVE Logo

Datenschutz

Nutzungsbedingungen

Richtlinien

Forschung

Lehre

ÜBER JoVE

Copyright © 2025 MyJoVE Corporation. Alle Rechte vorbehalten