理論および計算科学ジャーナル
オープンアクセス

概要

膝関節症の重症度予測: 患者データと単純X線画像に基づく比較モデル

ジェイナル・アベディン

変形性膝関節症（KOA）は、膝の機能を損ない、痛みを引き起こす病気です。放射線科医が膝のX線画像を検査し、ケルグレンとローレンスの分類法、5段階の順序尺度（0～4）に従って障害の重症度を評価します。この研究では、Elastic Net（EN）とRandom Forests（RF）を使用し、患者評価データ（両膝の兆候と症状、薬の使用）と、X線画像のみを使用してトレーニングされた畳み込みニューラルネットワーク（CNN）を使用して予測モデルを構築しました。線形混合効果モデル（LMM）を使用して、2つの膝の被験者内相関をモデル化しました。CNN、EN、およびRFモデルの二乗平均平方根誤差は、それぞれ0.77、0.97、および0.94でした。LMMは、EN回帰と同様の全体的な予測精度を示していますが、データの階層構造を正しく考慮しているため、より信頼性の高い推論が得られています。 X 線撮影前の患者モニタリングに使用できる有用な説明変数が特定されました。私たちの分析では、KOA 重症度レベルを予測するようにトレーニングされたモデルは、X 線画像と患者データをモデル化する際に同等の結果を達成することが示唆されています。KL グレードの主観性は依然として主な懸念事項です。