ИИ учится «почерку» протезиста при изготовлении приемной гильзы бедра

В PLOS One опубликовано интересное исследование по применению ИИ при изготовлении индивидуальных приемных гильз протезов бедра. Авторы поставили задачу не заменить протезиста, а оцифровать и воспроизвести его индивидуальную методику коррекции позитива, в том числе те, которые протезист применяет интуитивно и не всегда может формализовать словами.

В исследовании использовали данные 9 пациентов с ампутацией бедра. Сначала опытный протезист традиционным способом выполнял гипсовый слепок, затем сканировались исходная и вручную откорректированный позитив. На цифровых моделях отмечались анатомические ориентиры, после чего алгоритм на основе Principal Component Analysis анализировал, где и насколько протезист добавлял или снимал гипс.

По сути, система училась отвечать на вопрос:
«Как именно этот конкретный протезист изменяет слепок, чтобы получить приемную гильзу?» Алгоритм смог определить как типовую схему коррекции, так и индивидуальные вариации. Первые 4 выявленных режима изменения формы объясняли около 78% вариативности действий протезиста. Наиболее значимые индивидуальные корректировки приходились на дистальную область слепка: изменение передне-задней и медиолатеральной геометрии, длины и формирование зон разгрузки болезненных участков. Для проверки применялся метод leave-one-out: система каждый раз обучалась на восьми пациентах и формировала модель для девятого, после чего результат сравнивался с ручной работой протезиста.

По объему все полученные ИИ-модели оказались в диапазонах, которые группа опытных протезистов определила как «хорошая» или «приемлемая» посадка приемной гильзы. Средняя разница объема между цифровой и ручной моделью составила всего около 0,5%.

❗️Но здесь важно НЕ сделать НЕПРАВИЛЬНЫЙ вывод.
Авторы прямо называют работу proof-of-concept - доказательством принципиальной осуществимости подхода, а не доказательством того, что ИИ уже способен самостоятельно изготавливать качественные приемные гильзы. Исследователи отдельно подчеркивают: превосходство цифровой коррекции над работой протезиста не доказано и вообще не являлось целью исследования. Ограничения исследования существенные:
▫️всего 9 пациентов
▫️все ампутации - травматические
▫️обучение ИИ проводилось на работе только одного протезиста
▫️комфорт приемной гильзы оценивался только в статике
▫️алгоритм сравнивался преимущественно по геометрии - объему и периметрам
▫️не оценивались в полном объеме распределение давления, стабильность культи, рубцы, невромы, болезненные зоны и изменение объема мягких тканей.

Именно последний пункт особенно важен для практического протезирования. Одинаковая геометрия еще не означает одинаковое качество приемной гильзы. При ампутации бедра принципиальны распределение давления, состояние мягких тканей, положение бедренной кости, стабильность во фронтальной плоскости и субъективный комфорт пациента при динамической нагрузке. Тем не менее направление крайне перспективное. Ценность такого ИИ заключается прежде всего в возможности сохранить профессиональный опыт сильного протезиста в цифровом виде. Фактически можно создать индивидуальную цифровую «школу моделирования»: алгоритм обучается не абстрактной усредненной форме приемной гильзы, а тому, как конкретный протезист принимает технические решения. В перспективе это может использоваться для:
▫️обучения новых протезистов
▫️стандартизации технологии
▫️стандартизации отдельных операций
▫️передачи опыта между филиалами

Авторы также рассматривают подобную систему как инструмент, способный ускорить работу протезиста и быть особенно полезным там, где квалифицированных специалистов недостаточно. Главный вывод: ИИ не заменяет руки и клиническое мышление протезиста. Но он уже начинает учиться тому, что десятилетиями считалось практически неформализуемым - профессиональному «почерку» моделирования приемной гильзы.
И это, пожалуй, одно из наиболее интересных направлений цифровизации современности.

❗️❗️Оригинал статьи: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0356483