文献

J-GLOBAL ID：202202231781984846   整理番号：22A1039199

診断および予後のための変形性膝関節症画像特徴の発見: マニュアル画像分類および機械学習アプローチのレビュー【JST・京大機械翻訳】

Discovering Knee Osteoarthritis Imaging Features for Diagnosis and Prognosis: Review of Manual Imaging Grading and Machine Learning Approaches

著者 (10件)： Teoh Yun Xin (Department of Biomedical Engineering, Universiti Malaya, 50603 Kuala Lumpur, Malaysia) ,  Lai Khin Wee (Department of Biomedical Engineering, Universiti Malaya, 50603 Kuala Lumpur, Malaysia) ,  Usman Juliana (Department of Biomedical Engineering, Universiti Malaya, 50603 Kuala Lumpur, Malaysia) ,  Goh Siew Li (Faculty of Medicine, Universiti Malaya, 50603 Kuala Lumpur, Malaysia) ,  Mohafez Hamidreza (Department of Biomedical Engineering, Universiti Malaya, 50603 Kuala Lumpur, Malaysia) ,  Hasikin Khairunnisa (Department of Biomedical Engineering, Universiti Malaya, 50603 Kuala Lumpur, Malaysia) ,  Qian Pengjiang (School of Artificial Intelligence and Computer Sciences, Jiangnan University, Wuxi 214122, China) ,  Jiang Yizhang (School of Artificial Intelligence and Computer Sciences, Jiangnan University, Wuxi 214122, China) ,  Zhang Yuanpeng (Department of Medical Informatics of Medical (Nursing) School, Nantong University, Nantong 226001, China) ,  Dhanalakshmi Samiappan (Department of Electronics and Communication Engineering, SRM Institute of Science and Technology, Kattankulathur 603203, India)
資料名： Journal of Healthcare Engineering (Web)  (Journal of Healthcare Engineering (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7772A  ISSN： 2040-2295  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 膝変形性関節症(OA)は,イメージング様式により捉えられ,画像特徴に翻訳される軟骨損失を特徴とする剥離関節障害である。観察画像の特徴は,膝OA障害に対するよく知られた客観的評価である。しかし,画像特徴の多様性はほとんど議論されていない。本研究は,従来のOA診断のための異なるイメージング様式に関する膝OAイメージング特徴をレビューし,膝OA診断および予後のための最近の画像ベースの機械学習アプローチを更新する。ほとんどの研究は,膝OA診断のための標準イメージングオプションとしてX線を認識したが,画像特徴は骨変化に限られ,短期OA変化に敏感でない。研究者は,軟組織および骨構造における隠れOA関連ラジオミック特徴を研究するためのMRIの使用を推奨している。さらに,ポイントオブケア診断のため,超音波イメージング特徴を探索すべきである。伝統的膝OA診断は,主にKellgren-Lawrence(KL)等級づけ方式に基づく医用画像の手動解釈に依存するが,このアプローチは,人的資源と時間制約を一貫して受けやすく,OA予防に有効でない。最近の研究は,膝OA診断と予後を自動化する機械学習アプローチの能力を明らかにし,膝関節局在性(検出とセグメンテーション),OA重症度の分類,および疾患進行の予測である。AI支援診断モデルは,時間,再現性および精度に関して,膝OA診断の質を有意に改善した。可能なOA発症,OA悪化,進行性疼痛,進行性構造変化,疼痛を伴う進行性構造変化,および全膝置換(TKR)発生率の推定に関して,いくつかの予測モデルによって予後能力を実証した。研究のギャップにもかかわらず,機械学習技術は,早期膝OA検出や将来の疾患事象の推定のような要求課題や,新しい画像特徴の発見や新しいOA状態測定の確立のような基本的な課題に関する研究に,まだ大きな潜在能力を示す。連続機械学習モデル強化は,将来の新しいOA治療の発見に好都合である。Copyright 2022 Yun Xin Teoh et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動化 ,  セグメンテーション ,  軟骨 ,  画像処理 ,  *画像特性 ,  疼痛 ,  *膝関節 ,  *予後 ,  超音波画像 ,  医用画像 ,  軟部組織 ,  *機械学習 ,  予測モデル ,  *変形性膝関節症
準シソーラス用語： 疾患進行 , 【Automatic Indexing@JST】

分類 (1件)： 運動器系の診断  (GG02000M)

引用文献 (83件)：

• V. B. Kraus, F. J. Blanco, M. Englund, M. A. Karsdal, L. S. Lohmander, "Call for standardized definitions of osteoarthritis and risk stratification for clinical trials and clinical use," Osteoarthritis and Cartilage, vol. 23, no. 8, pp. 1233-1241, 2015.
• A. Cui, H. Li, D. Wang, J. Zhong, Y. Chen, H. Lu, "Global, regional prevalence, incidence and risk factors of knee osteoarthritis in population-based studies," EClinicalMedicine, vol. 29-30, 2020.
• M. T. Mardini, S. Nerella, M. Kheirkhahan, S. Ranka, R. B. Fillingim, Y. Hu, D. B. Corbett, E. Cenko, E. Weber, "The temporal relationship between Ecological pain and life-space Mobility in Older Adults with knee osteoarthritis: a Smartwatch-based demonstration study," JMIR Mhealth Uhealth, vol. 9, no. 1, 2021.
• M. van Smeden, J. B. Reitsma, R. D. Riley, G. S. Collins, K. G. M. Moons, "Clinical prediction models: diagnosis versus prognosis," Journal of Clinical Epidemiology, vol. 132, pp. 142-145, 2021.
• V. L. Kronzer, L. Wang, H. Liu, J. M. Davis, J. A. Sparks, C. S. Crowson, "Investigating the impact of disease and health record duration on the eMERGE algorithm for rheumatoid arthritis," Journal of the American Medical Informatics Association, vol. 27, no. 4, pp. 601-605, 2020.

タイトルに関連する用語 (9件)： 診断 ,  予後 ,  変形性膝関節症 ,  画像特徴 ,  発見 ,  マニュアル ,  画像分類 ,  機械学習 ,  レビュー