https://www.ortopediainfantil.com.mx/academia/comparacion-de-parametros-de-alineacion-tibial-basados-en-puntos-de-referencia-anatomicos-clinicamente-relevantes-un-analisis-radiologico-de-aprendizaje-profundo/

Comparación de parámetros de alineación tibial basados ​​en puntos de referencia anatómicos clínicamente relevantes: un análisis radiológico de aprendizaje profundo

octubre 14, 2022 por admin

Este estudio aprovechó la IA para crear un modelo rápido y objetivo que puede estimar los ajustes necesarios específicos del paciente para apuntar al centro radiológico del tobillo.

#Tobillo #inteligenciaartificial #ángulo #cadera-rodilla-tobillo (HKA) #alineación de #rodilla #aprendizajeautomático #alineaciónmecánica #alineacióntibial #articulacióndeltobillo #rodillas #maléolos #osteoartritis #radiografías #tejidosblandos #artroplastiatotalderodilla #TKA #valgo

Comparison of tibial alignment parameters based on clinically relevant anatomical landmarks | Bone & Joint Open (boneandjoint.org.uk)

• La identificación precisa del centro de la articulación del tobillo es fundamental para estimar la alineación tibial coronal en la artroplastia total de rodilla (TKA). El propósito del estudio actual fue aprovechar la inteligencia artificial (IA) para determinar la precisión y el efecto del uso de diferentes puntos de referencia anatómicos radiológicos para cuantificar la alineación mecánica en relación con un centro de tobillo radiológico definido tradicionalmente.
• El estudio actual aprovechó la IA para crear un modelo consistente y objetivo que puede estimar los ajustes específicos del paciente necesarios para el uso óptimo de puntos de referencia en la navegación extramedular y guiada por computadora para la alineación tibial coronal para que coincida con la planificación radiológica.

https://pubmed.ncbi.nlm.nih.gov/36196596/

https://online.boneandjoint.org.uk/doi/full/10.1302/2633-1462.310.BJO-2022-0082.R1

Jang SJ, Kunze KN, Brilliant ZR, Henson M, Mayman DJ, Jerabek SA, Vigdorchik JM, Sculco PK. Comparison of tibial alignment parameters based on clinically relevant anatomical landmarks : a deep learning radiological analysis. Bone Jt Open. 2022 Oct;3(10):767-776. doi: 10.1302/2633-1462.310.BJO-2022-0082.R1. PMID: 36196596.

© 2022 Author(s) et al. This is an open-access article distributed under the terms of the Creative Commons Attribution Non-Commercial No Derivatives (CC BY-NC-ND 4.0) licence, which permits the copying and redistribution of the work only, and provided the original author and source are credited. See https://creativecommons.org/licenses/by-nc-nd/4.0/

 https://www.artrocenter.mx/academia/el-papel-actual-de-los-elementos-virtuales-de-inteligencia-artificial-en-la-artroplastia-total-de-rodilla/

El papel actual de los elementos virtuales de inteligencia artificial en la artroplastia total de rodilla

septiembre 15, 2022 por admin

En este artículo de #OpenReviews se analizaron elementos virtuales de la #IA con respecto a su utilidad en #totalkneearthroplasty

TKA #orthotwitter #rodilla #ortopedia #openaccessjournal #artificialintelligence #artroplastia #machinelearning #deeplearning

The current role of the virtual elements of artificial intelligence in total knee arthroplasty in: EFORT Open Reviews Volume 7 Issue 7 (2022) (bioscientifica.com)

• Las aplicaciones actuales de los elementos virtuales de inteligencia artificial (IA), aprendizaje automático (ML) y aprendizaje profundo (DL) en la artroplastia total de rodilla (TKA) son diversas.
• ML puede predecir la duración de la estancia (LOS) y los costos antes de la ATR primaria, el riesgo de transfusión después de la ATR primaria, la insatisfacción posoperatoria después de la ATR, el tamaño de los componentes de la ATR y los peores resultados. La predicción de resultados distintos con modelos ML aplicando datos específicos ya es posible; sin embargo, la predicción de resultados más complejos sigue siendo imprecisa. Los sistemas de monitoreo remoto de pacientes ofrecen la capacidad de evaluar de manera más completa a las personas que experimentan ATR en términos de movilidad y cumplimiento de la rehabilitación.
• DL puede identificar con precisión la presencia de TKA, distinguir entre diseños de artroplastia específicos e identificar y clasificar la osteoartritis de rodilla con la misma precisión que un cirujano ortopédico. DL permite la detección de aflojamiento protésico a partir de radiografías.
• Con respecto a las arquitecturas asociadas con DL, las redes neuronales artificiales (ANN) y las redes neuronales convolucionales (CNN), las ANN pueden predecir LOS, los cargos de pacientes hospitalizados y la disposición del alta antes de la ATR primaria y las CNN permiten diferenciar entre diferentes tipos de implantes con una precisión casi perfecta.

https://pubmed.ncbi.nlm.nih.gov/35900206/

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9297054/

https://eor.bioscientifica.com/view/journals/eor/7/7/EOR-21-0107.xml

Rodríguez-Merchán EC. The current role of the virtual elements of artificial intelligence in total knee arthroplasty. EFORT Open Rev. 2022 Jul 5;7(7):491-497. doi: 10.1530/EOR-21-0107. PMID: 35900206; PMCID: PMC9297054.

Copyright © The authors

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International

 https://www.drgustavorosas.mx/academia/las-aplicaciones-sin-sentido-y-las-metodologias-equivocadas-en-la-investigacion-ortopedica-relacionada-con-la-inteligencia-artificial-propagan-el-entusiasmo-por-la-esperanza/

Las aplicaciones sin sentido y las metodologías equivocadas en la investigación ortopédica relacionada con la inteligencia artificial propagan el entusiasmo por la esperanza

septiembre 15, 2022 por admin

¿La investigación en IA es clínicamente útil o es solo otra moda pasajera? ¿Qué piensas?

¿Se ha convertido la investigación en IA en la última moda de investigación, con cantidad sobre calidad?

«La investigación relacionada con la IA en ortopedia con frecuencia no proporciona casos de uso que ofrezcan a los no iniciados la oportunidad de evaluar la importancia de la IA mediante el estudio de preguntas significativas, evaluar hipótesis desconocidas, o analizar datos de calidad.

Meaningless Applications and Misguided Methodologies in Artificial Intelligence–Related Orthopaedic Research Propagates Hype Over Hope – Arthroscopy (arthroscopyjournal.org)

• Existe una gran esperanza y entusiasmo en la literatura sobre las aplicaciones de la inteligencia artificial (IA) a la cirugía ortopédica. Entre 2018 y 2021 se publicaron un total de 178 artículos relacionados con la IA en ortopedia. Sin embargo, por cada 2 trabajos de investigación originales que aplican la IA a la ortopedia se publica un comentario o revisión (30,3%). La investigación relacionada con la IA en ortopedia con frecuencia no proporciona casos de uso que ofrezcan a los no iniciados la oportunidad de evaluar la importancia de la IA mediante el estudio de preguntas significativas, la evaluación de hipótesis desconocidas o el análisis de datos de calidad. La exageración perpetúa un ciclo de avance que relega a la IA a una palabra de moda sin sentido al recompensar a aquellos con una comprensión incipiente y un conocimiento técnico rudimentario para que cometan varios errores básicos:
• (1) combinar inapropiadamente la lengua vernácula («IA/aprendizaje automático»),
• (2) reempaquetar datos de registro,
• (3) publicación prematura de algoritmos validados internamente,
• (4) exageración del «fenómeno de la caja negra» al no proporcionar un análisis ponderado,
• (5) afirmación de evaluar la IA en lugar de los datos en sí, y
• (6) retención de la arquitectura del modelo completo código.

Próximamente se publicarán directrices relevantes específicas de IA, pero la aplicación forzada del Informe transparente original de un modelo de predicción multivariable para las directrices de pronóstico o diagnóstico individual diseñadas para análisis de regresión es irrelevante y engañosa. Para salvaguardar el uso significativo, los esfuerzos de investigación relacionados con la IA en ortopedia deben (1) dirigirse hacia el apoyo administrativo sobre la evaluación y el manejo clínicos, (2) requerir el uso del modelo avanzado y (3) responder una pregunta que antes se desconocía, sin respuesta o no cuantificable.

https://pubmed.ncbi.nlm.nih.gov/35550419/

https://www.arthroscopyjournal.org/article/S0749-8063(22)00280-8/fulltext

Ramkumar PN, Pang M, Polisetty T, Helm JM, Karnuta JM. Meaningless Applications and Misguided Methodologies in Artificial Intelligence-Related Orthopaedic Research Propagates Hype Over Hope. Arthroscopy. 2022 Sep;38(9):2761-2766. doi: 10.1016/j.arthro.2022.04.014. Epub 2022 May 10. PMID: 35550419.

Copyright © 2022 Arthroscopy Association of North America. Published by Elsevier Inc. All rights reserved.

 https://www.clinicademano.com.mx/academia/ultrasonido-con-modelos-de-inteligencia-artificial-predijeron-lesiones-del-complejo-de-fibrocartilago-triangular-palmer-1b/

Ultrasonido con modelos de inteligencia artificial predijeron lesiones del complejo de fibrocartílago triangular Palmer 1B

agosto 26, 2022 por admin

Los modelos de ultrasonido con inteligencia artificial predijeron la lesión de Palmer 1B TFCC con alta precisión. #muñeca #TFCC #AI

Ultrasound With Artificial Intelligence Models Predicted Palmer 1B Triangular Fibrocartilage Complex Injuries – Arthroscopy (arthroscopyjournal.org)

• Calcular la precisión diagnóstica a partir de la matriz de confusión utilizando aprendizaje profundo (DL) en imágenes de ultrasonido (US) de lesión del complejo de fibrocartílago triangular (TFCC) Palmer 1B.
• Las imágenes de ultrasonido (US) que utilizan el modelo DL predijeron la lesión Palmer 1B TFCC con alta precisión, con las mejores puntuaciones de 0,85 para precisión en GoogLeNet, 1,00 para sensibilidad en ResNet50 y ResNet101, y 0,78 para especificidad en GoogLeNet. El uso de DL para imágenes de EE. UU. de la lesión Palmer 1B TFCC predijo la lesión, así como la resonancia magnética y la artrografía por tomografía computarizada.

https://pubmed.ncbi.nlm.nih.gov/35447195/

https://www.arthroscopyjournal.org/article/S0749-8063(22)00231-6/fulltext

Shinohara I, Inui A, Mifune Y, Nishimoto H, Mukohara S, Yoshikawa T, Kuroda R. Ultrasound With Artificial Intelligence Models Predicted Palmer 1B Triangular Fibrocartilage Complex Injuries. Arthroscopy. 2022 Aug;38(8):2417-2424. doi: 10.1016/j.arthro.2022.03.037. Epub 2022 Apr 18. PMID: 35447195.

Copyright © 2022 Arthroscopy Association of North America. Published by Elsevier Inc. All rights reserved.

 https://www.ortopediainfantilyarticular.com.mx/cirugia-articular/una-herramienta-de-aprendizaje-profundo-para-la-medicion-radiografica-automatizada-de-la-inclinacion-y-la-version-del-componente-acetabular-despues-de-la-artroplastia-total-de-cadera/

Una herramienta de aprendizaje profundo para la medición radiográfica automatizada de la inclinación y la versión del componente acetabular después de la artroplastia total de cadera

agosto 4, 2022 por admin

Gran artículo de nuestro miembro del equipo de la semana @PRouzrokh

discutiendo el desarrollo de una herramienta de aprendizaje profundo para medir la inclinación acetabular y la versión en radiografías posteriores a THA

A Deep Learning Tool for Automated Radiographic Measurement of Acetabular Component Inclination and Version After Total Hip Arthroplasty – The Journal of Arthroplasty (arthroplastyjournal.org)

• Se cree que la posición angular inadecuada del componente acetabular aumenta el riesgo de luxación de cadera después de una artroplastia total de cadera. Sin embargo, la medición manual de estos ángulos requiere mucho tiempo y es propensa a la variabilidad entre observadores. El propósito de este estudio fue desarrollar una herramienta de aprendizaje profundo para automatizar la medición de los ángulos del componente acetabular en radiografías posoperatorias.
• Desarrollamos una herramienta de aprendizaje profundo de alta precisión para automatizar la medición de la posición angular de los componentes acetabulares para su uso en entornos clínicos y de investigación.

https://pubmed.ncbi.nlm.nih.gov/33678445/

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8197739/

https://www.arthroplastyjournal.org/article/S0883-5403(21)00165-0/fulltext

Rouzrokh P, Wyles CC, Philbrick KA, Ramazanian T, Weston AD, Cai JC, Taunton MJ, Lewallen DG, Berry DJ, Erickson BJ, Maradit Kremers H. A Deep Learning Tool for Automated Radiographic Measurement of Acetabular Component Inclination and Version After Total Hip Arthroplasty. J Arthroplasty. 2021 Jul;36(7):2510-2517.e6. doi: 10.1016/j.arth.2021.02.026. Epub 2021 Feb 16. PMID: 33678445; PMCID: PMC8197739.

Copyright

© 2021 Elsevier Inc. All rights reserved.

 https://www.lesionesdeportivas.com.mx/academia/inteligencia-artificial-en-ortopedia-tres-estrategias-para-el-aprendizaje-profundo-con-imagenes-ortopedicas-especificas/

Inteligencia artificial en ortopedia: tres estrategias para el aprendizaje profundo con imágenes ortopédicas específicas

marzo 15, 2022 por admin

La inteligencia artificial ha logrado resultados notables en el campo de la medicina. Lea el editorial de este mes sobre inteligencia artificial en ortopedia.

#inteligenciaartificial #aprendizajeprofundo

Artificial intelligence in orthopedics: three strategies for deep learning with orthopedic specific imaging | SpringerLink

• La inteligencia artificial (IA) ha logrado resultados notables en toda la sociedad, incluso en el campo de la medicina. A medida que avanzan las técnicas, no es raro que la IA supere a los médicos en determinadas condiciones [2].
• Una rama de la IA, conocida como aprendizaje automático, denota la capacidad de una máquina para identificar relaciones entre datos sin criterios explícitos. Esta identificación de relaciones suele mejorar con el aumento de la experiencia y los datos, y permite que los algoritmos modelen relaciones que, de lo contrario, podrían ser demasiado complejas para los métodos estadísticos estándar. El aprendizaje profundo es un campo del aprendizaje automático que se refiere a un modelo con una estructura de red neuronal artificial e imita las conexiones neuronales del cerebro humano (Fig. 1).
• El determinante más importante del rendimiento del algoritmo de aprendizaje automático convencional (aparte de la calidad y cantidad de datos) es la selección adecuada de funciones. Si el proceso de selección de características se ejecuta adecuadamente, es posible lograr un rendimiento suficientemente efectivo independientemente del tipo de modelo utilizado. Por otro lado, si la selección de características no tiene éxito, es difícil lograr un rendimiento adecuado, independientemente de la popularidad o la supuesta capacidad del algoritmo candidato.
• Actualmente, no existe un estándar de oro para el proceso de selección de funciones. Por lo tanto, todavía existe la necesidad de una metodología cuidadosa que describa el conocimiento técnico y médico cuando se utilizan algoritmos tradicionales de aprendizaje automático. Por el contrario, el aprendizaje profundo tiene la ventaja del análisis de extremo a extremo utilizando datos de entrada sin el proceso de selección de características. Ofrece la ventaja de no tener que depender estrictamente de la selección de funciones, ya que utiliza todos los parámetros disponibles.
• Sin embargo, el aprendizaje profundo también tiene una barrera de entrada que requiere la preparación de datos para la capacitación. Además, es importante asegurar una unidad de procesamiento de gráficos (GPU) de alto rendimiento para un experimento eficiente, ya que los tiempos y costos de entrenamiento del modelo a menudo pueden volverse cada vez más onerosos [3].

https://pubmed.ncbi.nlm.nih.gov/35022826/

https://link.springer.com/article/10.1007/s00167-021-06838-8

Ko S, Pareek A, Ro DH, Lu Y, Camp CL, Martin RK, Krych AJ. Artificial intelligence in orthopedics: three strategies for deep learning with orthopedic specific imaging. Knee Surg Sports Traumatol Arthrosc. 2022 Mar;30(3):758-761. doi: 10.1007/s00167-021-06838-8. Epub 2022 Jan 13. PMID: 35022826.

Copyright © 2022, The Author(s) under exclusive licence to European Society of Sports Traumatology, Knee Surgery, Arthroscopy (ESSKA)

¿Puede un modelo de aprendizaje profundo para la detección automatizada de fracturas vertebrales aproximarse al nivel de desempeño de los subespecialistas humanos?

 https://www.columnavertebralpediatricaygeriatrica.com.mx/academia/puede-un-modelo-de-aprendizaje-profundo-para-la-deteccion-automatizada-de-fracturas-vertebrales-aproximarse-al-nivel-de-desempeno-de-los-subespecialistas-humanos/

¿Puede un modelo de aprendizaje profundo para la detección automatizada de fracturas vertebrales aproximarse al nivel de desempeño de los subespecialistas humanos?

• Las fracturas vertebrales son las fracturas osteoporóticas más comunes en personas mayores.
• Estudios recientes sugieren que el desempeño de la inteligencia artificial es igual al de los humanos en la detección de fracturas osteoporóticas, como fracturas de cadera, radio distal y húmero proximal.
• Sin embargo, aún no se ha informado si la inteligencia artificial funciona tan bien en la detección de fracturas vertebrales en radiografías simples de columna lateral.

• El modelo de inteligencia artificial detectó fracturas vertebrales en radiografías laterales simples con alta precisión, sensibilidad y especificidad, especialmente para fracturas vertebrales lumbares osteoporóticas (Genant Grados 2 y 3).
• El informe rápido de resultados utilizando este modelo de inteligencia artificial puede mejorar la eficiencia del diagnóstico de fracturas vertebrales.
• El modelo de prueba está disponible en http://140.113.114.104/vght_demo/corr/.
• Se pueden cargar una o varias radiografías laterales simples de la columna en el formato de imágenes digitales y comunicaciones en medicina para ver el rendimiento del modelo de inteligencia artificial.

https://pubmed.ncbi.nlm.nih.gov/33651768/

https://journals.lww.com/clinorthop/Abstract/2021/07000/Can_a_Deep_learning_Model_for_the_Automated.32.aspx

Li YC, Chen HH, Horng-Shing Lu H, Hondar Wu HT, Chang MC, Chou PH. Can a Deep-learning Model for the Automated Detection of Vertebral Fractures Approach the Performance Level of Human Subspecialists? Clin Orthop Relat Res. 2021 Jul 1;479(7):1598-1612. doi: 10.1097/CORR.0000000000001685. PMID: 33651768.

Copyright © 2021 by the Association of Bone and Joint Surgeons.