《Osteoarthritis and Cartilage Open》：The Role of Radiographic Knee Alignment in Total Knee Replacement Outcomes and Opportunities for Artificial Intelligence-Driven Assessment
编辑推荐：
摘要膝关节骨关节炎（OA）的普遍存在给医疗系统带来了沉重的负担，目前尚无根治方法。其最终治疗手段是全膝关节置换术（TKR）。手术并发症及恢复过程难以预测，且受多种因素影响。膝关节的放射影像对齐情况是影响TKR成功率的关键因素，会直接关系到术后疼痛和功能恢复等结果。近年来，人工智能
摘要
膝关节骨关节炎（OA）的普遍存在给医疗系统带来了沉重的负担，目前尚无根治方法。其最终治疗手段是全膝关节置换术（TKR）。手术并发症及恢复过程难以预测，且受多种因素影响。膝关节的放射影像对齐情况是影响TKR成功率的关键因素，会直接关系到术后疼痛和功能恢复等结果。近年来，人工智能（AI）被用于自动分析膝关节放射影像，例如评估膝关节对齐状况。这些工具能够减少测量误差，支持大规模影像数据集的高效分析，并帮助识别与术后结果相关的对齐特征。因此，有必要进行专门的研究，以明确膝关节对齐生物标志物的测量方法、它们与TKR结果之间的关联，以及基于AI的方法如何辅助这些生物标志物的评估及其在手术规划和患者风险分层中的应用。
在这篇综述中，我们首先探讨了用于评估TKR结果的各种评分方案以及与之相关的潜在膝关节对齐生物标志物。接着，我们讨论了基于AI的膝关节对齐生物标志物生成方法，并探讨了AI驱动的膝关节对齐评估和TKR结果预测的未来发展方向。
膝关节对齐生物标志物是改善TKR结果预测的重要领域，但目前相关研究仍较为匮乏。AI驱动的放射影像评估为生成一致、可扩展且具有临床应用价值的对齐测量指标提供了有力手段，但仍存在准确性、验证方法、多视图融合以及临床应用等方面的挑战。需要改进模型、进行严格的外部验证，并建立将対齐测量数据与结果预测相结合的系统，以提升系统的可靠性和临床适用性。
作者：朱森·胡（Zhisen Hu）、多米尼克·卡伦（Dominic Cullen）、大卫·S·约翰逊（David S. Johnson）、阿列克塞·蒂乌尔pin（Aleksei Tiulpin）、蒂莫西·F·库茨（Timothy F. Cootes）、克劳迪娅·林德纳（Claudia Lindner）
