研究人员使用人工智能识别膝关节骨关节炎的一种新的骨形状测量方法

膝骨关节炎(OA)是一个全球性的健康问题。75岁以上的成年人中几乎有一半患有某种形式的膝关节骨性关节炎——这是全球致残的主要原因之一。由于膝关节骨性关节炎没有治愈方法，目前的治疗依赖于准确识别和分期疾病。

使用被称为基于人工智能的方法深度学习，波士顿大学医学院（BUSM）的研究人员现在已经确定了确定严重程度的新措施膝关节骨关节炎- “Subchindrall骨长”（SBL）。

膝关节骨性关节炎的影像学标记只有少数得到证实。目前，医学成像工具，如磁共振成像(MRI)或x光被用于检查膝关节。通讯作者Vijaya B. Kolachalama博士是BUSM医学助理教授，他解释说:“我们的研究确定了一种新的成像方法，它有可能成为膝关节骨性关节炎的生物标志物。”

研究人员使用了数千份膝关节MRI扫描并定义了SBL，一种表征覆盖软骨和骨扁平化程度的新型形状测量方法，并检查了其与放射学关节间隙狭窄(JSN)、并发疼痛和残疾以及随后的部分或部分或部分的关系全膝关节全膝关节。然后，他们利用SBL的相对变化估计了这些结果的优势比。他们发现关节间隙狭窄的膝关节的SBL值与没有JSN的膝关节一致不同。他们还发现，与基线相比，SBL的更大变化与更大的疼痛和残疾相关。

据研究人员称，该研究具有重要的临床意义。“我们的研究确定了SBL，作为膝关节内骨形态的潜在有用的措施，并表明它随着疾病等级而变化。SBL将来也有潜在的舞台OA，”加藤角膜增加。

研究人员希望研究SBL是否可以用于疾病的早期检测，从而显著影响患者的护理管理。

---

---