Artroplastica di ginocchio, intelligenza artificiale per prevedere esiti dell’intervento

0
163
Protesi completa di ginocchio e lesioni ai reni

Uno studio, condotto da tre importanti ospedali statunitensi (Massachusetts General Hospital, Newton-Wellesley Hospital e Brigham and Women’s Hospital), indica l’intelligenza artificiale come strumento utile anche al chirurgo ortopedico per prevedere minime differenze clinicamente importanti capaci di portare cambiamenti al KOOS-PS – Knee Injury and Osteoarthritis Outcome Score-Physical Function Short Form (Katakam A, Karhade AV, Collins A, Shin D, Bragdon C, Chen AF, Melnic CM, Schwab JH, Bedair HS. Development of machine learning algorithms to predict achievement of minimal clinically important difference for the KOOS-PS following total knee arthroplasty. J Orthop Res. 2021 Jul 18. doi: 10.1002/jor.25125. Epub ahead of print. PMID: 34275163).

Lo studio, in particolare, si concentra sui pazienti sottoposti ad artroplastica totale di ginocchio, che sappiamo essere quelli con la più alta percentuale di insoddisfatti nel postoperatorio: le percentuali sono elevate e non è raro che un paziente di questi si rechi da altri ortopedici chiedendo di effettuare una revisione di protesi, sperando di avere esiti migliori.

Purtroppo, ci sono fattori da prendere in considerazione e non tutti sono controllabili: tra gli specialisti c’è chi è convinto che parte dell’insoddisfazione si potrebbe ridurre parlando in modo chiaro con il paziente, cercando di capire quali sono le sue aspettative e dicendogli quali sono le reali probabilità di raggiungerle: per farlo potrebbe essere utile avere a disposizione uno strumento che indichi la probabilità di successo da mostrare al paziente.

Gli autori hanno quindi analizzato i dati di 744 pazienti sottoposti a questo intervento tra il 2016 e il 2018 considerando soprattutto i dati anagrafici e i PROM antecedenti l’intervento e utilizzandoli proprio per calcolare il KOOS-PS MCID.

Lo studio è proseguito poi con lo sviluppo di cinque algoritmi di machine learning, messi a confronto per individuare il più efficace per raggiungere l’obiettivo dello studio. I diversi algoritmi sono stati studiati con varie tecniche: discriminazione, calibrazione, score di Brier e analisi della curva decisionale.

Gli autori li hanno resi disponibili alla comunità clinica e di ricerca.
Gli algoritmi hanno messo in evidenza che le variabili preoperatorie più importanti da tenere sotto controllo per decidere il miglior percorso terapeutico per un paziente con necessità di protesizzazione del ginocchio sono: lo score KOOS-PS, il valore della scala VAS relativa al dolore, l’uso di oppioidi, i valori del PROMIS global mental health score, l’età e il genere.
Mettendo insieme questi parametri si può ottenere uno strumento decisionale che indica quali pazienti possono affrontare l’intervento ottenendo dei risultati di qualità.

Stefania Somaré

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here