一种用于预测髋关节囊内骨折患者早期转为关节置换术的 CT 增强多模态框架

《npj Digital Medicine》：A CT-enhanced multi-modal framework for predicting early conversion to arthroplasty in patients with intracapsular hip fractures

　　

摘要

关节囊内髋部骨折是年轻及中年成人致残的主要原因之一，且与较高的失败率和再手术率相关。术前准确预测是否需转为关节置换术，对于量化个体预后以及潜在地指导以临床医生为主导的个体化治疗决策至关重要。然而，仅基于结构化电子健康记录（EHRs）构建的模型尚不足够。在此，我们介绍了 MMHIP，它在四个中心的开发队列（n?=?951）上进行训练，并在三个独立中心（n?=?240）进行了外部测试。据我们所知，这是针对该任务整合了三维 CT 和长期随访扫描的最大多中心队列。超越传统方法，MMHIP 将术前骨盆 CT 与 EHR 数据相结合，在开发阶段达到 AUROC 0.920，在外部验证阶段达到 0.873，显著优于代表性的仅图像和仅 EHR 基线模型（p?<?0.05）。纳入 CT 显著提高了相对于基于 EHR 模型的区分能力，开发阶段的绝对 AUROC 增益为 0.150–0.252，外部验证阶段为 0.151–0.221。使用基于开发阶段得出的针对 PPV 的操作阈值，MMHIP 将患者分层为预测转换风险较低和较高的组别。在该阈值下，MMHIP 在开发集中实现了 0.901 的 PPV、0.654 的敏感度、0.980 的特异度和 0.910 的 NPV；当未经更改地应用于外部测试集时，它保持了 0.900 的 PPV、0.529 的敏感度、0.984 的特异度和 0.886 的 NPV，在基于阈值的风险分层中优于单模态对比模型。这些发现支持 MMHIP 作为一种可解释的术前风险分层模型，可能为以临床医生为主导的个体化治疗决策提供具有临床相关性的预后信息。