Сравнение различных методик определения «костного возраста» по рентгенограммам кисти у пациентов с активными зонами роста с антеромедиальной нестабильностью коленного сустава
Автор: Иванов Я.А., Мининков Д.С., Гущина Д.А., Ельцин А.Г.
Журнал: Гений ортопедии @geniy-ortopedii
Рубрика: Оригинальные статьи
Статья в выпуске: 1 т.30, 2024 года.
Бесплатный доступ
Введение. При оперативном лечении у пациентов детского возраста с активными зонами роста с антеромедиальной нестабильностью одним из важных пунктов обследования является определение «костного возраста». Это позволяет специалисту выбрать оптимальную тактику лечения и минимизировать постоперационные осложнения. Однако многим не известны различные инструменты определения костного возраста, включающие как классические методики, так и возможности использования современных методов на основе машинного обучения.Цель работы - показать и сравнить различные способы расчета костного возраста для определения дальнейшей тактики оперативного лечения пациентов с антеромедиальной нестабильностью коленного сустава.Материалы и методы. Оперативное лечение в объеме пластики передней крестообразной связки (ПКС) по методике all-inside выполнено 20-ти пациентам. Всем пациентам выполнялась рентгенография кисти, по данным которой рассчитывался костный возраст пациента. Использовалась методика «сравнения» Таннера - Уайтхауса и метод оценки костного возраста по атласу Грейлиха - Пайля. Помимо использования стандартных схем определения костного возраста также проводилось определение при помощи программ на основе машинного обучения.Результаты. По результатам исследования в среднем в группе из 20 человек у пациентов с костным возрастом, обгоняющим паспортный, разница составила 21 месяц (80 %), а у пациентов с отстающим костным возрастом разница составила 18 месяцев (20 %).Обсуждение. Данные, полученные в результате исследования, показывают разницу между хронологическим и костным возрастом. Такие исследования достаточно часто можно встретить в научных статьях по эндокринологии и педиатрии. По специальности «травматология и ортопедия» научных исследований о применении этих методов нет.Заключение. При планировании оперативного лечения пациентов с открытыми зонами роста необходимо проводить оценку костного возраста, а также прогнозируемого и целевого роста.
Костный возраст, дети, all-inside, пластика пкс, активные зоны роста, искусственный интеллект
Короткий адрес: https://sciup.org/142240810
IDR: 142240810 | DOI: 10.18019/1028-4427-2024-30-1-67-75
Список литературы Сравнение различных методик определения «костного возраста» по рентгенограммам кисти у пациентов с активными зонами роста с антеромедиальной нестабильностью коленного сустава
- Иванов Я.А., Ельцин АГ., Мининков Д.С. Повреждение передней крестообразной связки у детей и подростков. Современные тенденции и исследования. Вестник травматологии и ортопедии им. Н.Н. Приорова. 2021;28(1):89-107. doi: 10.17816/vto51034
- Тюрин К.А., Захарченко А.Е. Правила техники безопасности в процессе занятий физическими упражнениями. Профилактика травматизма и оказание доврачебной помощи. Тенденции развития науки и образования. 2020;(67-3):145-150. doi: 10.18411/lj-11-2020-123
- Колунин Е.Т., Прокопьев Н.Я. Баранхин, О.В. Профилактика детского травматизма на занятиях физической культурой и спортом. Современные проблемы физической культуры и спорта: материалы KXIV Всероссийской научно-практической конференции. Под ред. Е.А. Ветошкиной. Хабаровск: Дальневосточная государственная академия физической культуры; 2020:140-145.
- Milewski MD, Beck NA, Lawrence JT, Ganley TJ. Anterior cruciate ligament reconstruction in the young athlete: a treatment algorithm for the skeletally immature. Clin Sports Med. 2011;30(4):801-10. doi: 10.1016/j.csm.2011.08.001
- Yoo WJ, Kocher MS, Micheli LJ. Growth plate disturbance after transphyseal reconstruction of the anterior cruciate ligament in skeletally immature adolescent patients: an MR imaging study. J Pediatr Orthop. 2011;31(6):691-6. doi: 10.1097/BP0.0b013e3182210952
- Дедов И.И., Петеркова В.А., Семичева Т.В. и др. Детская эндокринология. Руководство по детской эндокринологии. М.: Универсум Паблишинг; 2006:600.
- Tanner JM, Whitehouse RH. A note on the bone age at which patients with true isolated growth hormone deficiency enter puberty. J Clin Endocrinol Metab. 1975;41(4):788-790. doi: 10.1210/jcem-41-4-788
- Iannaccone, G. (1959). W. W. Greulich and S. I. Pyle: Radiographic atlas of skeletal development of the hand and wrist. 2nd edition. I volume-atlante di 256 pagine. Stanford University Press, Stanford, California, 1959. Acta GeneticaeMedicae Et Gemellologiae: Twin Research. 8(4):513-513. doi: 10.1017/S1120962300018680
- Thodberg HH, Kreiborg S, Juul A, Pedersen KD. The BoneXpert method for automated determination of skeletal maturity. IEEE Trans Med Imaging. 2009;28(1):52-66. doi: 10.1109/TMI.2008.926067
- Косик И.И., Кабак С.Л., Карапетян Г.М. и др. Определение костного возраста с использованием искусственного интеллекта. БГМУ в авангарде медицинской науки и практики: рецензируемый ежегодный сборник научных трудов. Минск: Белорусский государственный медицинский университет; 2020:154-165.
- Косик И.И, Недзьведь А.М, Карапетян Г.М. Комбинированный алгоритм определения костного возраста на основе анализа рентгенограмм кисти. Журнал Белорусского государственного университета. Математика. Информатика. 2020;(2):105-114. doi: 10.33581/2520-6508-2020-2-105-114
- Thodberg HH. Automatic determination of skeletal maturity using appearance models Proc. ESPE/LWPES 7th Joint Meeting. Hormone Res. 2005;64(Suppl. 1). doi: 10.1159/000088318
- Иванов Я.А., Ельцин А.Г., Мининков Д.С. Валидация и культурная адаптация шкалы KOOS-Child. Вестник травматологии и ортопедии им. ННПриорова. 2021;28(1):53-64. doi: 10.17816/vto60489
- Ortqvist M, Roos EM, Brostrom EW, et al. Development of the Knee Injury and Osteoarthritis Outcome Score for children (KOOS-Child): comprehensibility and content validity. Acta Orthop. 2012;83(6):666-73. doi: 10.3109/17453674.2012.747921
- Kocher MS, Smith JT, Iversen MD, et al D. Reliability, validity, and responsiveness of a modified International Knee Documentation Committee Subjective Knee Form (Pedi-IKDC) in children with knee disorders. Am J Sports Med. 2011;39(5):933-9. doi: 10.1177/0363546510383002
- De Sanctis V, Soliman AT, Di Maio S, Bedair S. Are the new automated methods for bone age estimation advantageous over the manual approaches? Pediatr Endocrinol Rev. 2014;12(2):200-205.
- Manzoor Mughal A, Hassan N, Ahmed A. Bone age assessment methods: a critical review. Pak J Med Sci. 2014;30(1):211-215. doi: 10.12669/pjms.301.4295
- Kim JR, Shim WH, Yoon HM, et al. Computerized Bone Age Estimation Using Deep Learning Based Program: Evaluation of the Accuracy and Efficiency. AJR Am J Roentgenol. 2017;209(6):1374-1380. doi: 10.2214/AJR.17.18224
- Yildiz M, Guvenis A, Guven E, Talat D, Haktan M. Implementation and statistical evaluation of a web-based software for bone age assessment. J Med Syst. 2011;35(6):1485-9. doi: 10.1007/s10916-009-9425-z
- Halabi SS, Prevedello LM, Kalpathy-Cramer J, et al. The RSNA Pediatric Bone Age Machine Learning Challenge. Radiology. 2019;290(2):498-503. doi: 10.1148/radiol.2018180736
- Booz C, Yel I, Wichmann JL, Boettger S, et al. Artificial intelligence in bone age assessment: accuracy and efficiency of a novel fully automated algorithm compared to the Greulich-Pyle method. Eur Radiol Exp. 2020;4(1):6. doi: 10.1186/s41747-019-0139-9
- Lee H, Tajmir S, Lee J, et al. Fully Automated Deep Learning System for Bone Age Assessment. J Digit Imaging. 2017;30(4):427-441. doi: 10.1007/s10278-017-9955-8
- Nadeem MW, Goh HG, Ali A, et al. Bone Age Assessment Empowered with Deep Learning: A Survey, Open Research Challenges and Future Directions. Diagnostics (Basel). 2020;10(10):781. doi: 10.3390/diagnostics10100781
- Iglovikov VI, Rakhlin A, Kalinin AA, Shvets aA. Paediatric Bone Age Assessment Using Deep Convolutional Neural Networks. In: Deep Learning in Medical Image Analysis and Multimodal Learning for Clinical Decision Support. DLMIA ML-CDS 2018. Lecture Notes in Computer Science. Springer, Cham.; 2018;11045. doi: 10.1007/978-3-030-00889-5_34
- Nguyen OH, Nguyen BP, Nguyen MT, et al. Bone age assessment and sex determination using transfer learning. Expert Systems with Applications. 2022;200:116926. doi: 10.1016/j.eswa.2022.116926
- Lea WW, Hong SJ, Nam HK, et al. External validation of deep learning-based bone-age software: a preliminary study with real world data. SciRep. 2022;12(1):1232. doi: 10.1038/s41598-022-05282-z
- Wang X, Zhou B, Gong P, et al. Artificial Intelligence-Assisted Bone Age Assessment to Improve the Accuracy and Consistency of Physicians With Different Levels of Experience. Front Pediatr. 2022;10:818061. doi: 10.3389/fped.2022.818061
- Guo L, Wang J, Teng J, Chen Y. Bone age assessment based on deep convolutional features and fast extreme learning machine algorithm. Front Energy Res. 2022;9: 813650. doi: 10.3389/fenrg.2021.813650
- Son S.J., Song Y., Kim N., et al. TW3-based fully automated bone age assessment system using deep neural networks. IEEE Access. 2019;7:33346-33358. doi: 10.1109/ACCESS.2019.2903131
- Li Y, Huang Z, Dong X, et al. Forensic age estimation for pelvic X-ray images using deep learning. Eur Radiol. 2019;29(5):2322-2329. doi: 10.1007/s00330-018-5791-6
