Mesterséges intelligencia szerepe a csípő- és térdprotetikai műtétekben: szisztematikus irodalmi áttekintés

Absztrakt:

Háttér: A mesterséges intelligencia (MI) rohamos fejlődése egyre jelentősebb hatással van az ortopéd sebészetre, különösen a csípő- és térdprotézisműtétekre. Az olyan MI-technológiák, mint a gépi tanulás és a mélytanulás, mind szélesebb körben kerülnek alkalmazásra a diagnosztika pontosságának növelése, a műtéti tervezés javítása, a műtéti navigáció, valamint a posztoperatív ellátás támogatása céljából.

Módszer: A PRISMA irányelvek alapján szisztematikus irodalmi áttekintést végeztünk az MI alkalmazásait vizsgálandó a térd- és csípőprotetikai ellátás területén.

Eredmények: A kutatás 2 adatbázisban összesen 290 tanulmányt azonosított, ezekből a vizsgálat során 45 felelt meg a kritériumoknak. Az eredményeket a klinikai folyamat három szakaszára bontva értékeltük, ezek a műtét előtti, alatti és utáni időszak. A preoperatív szakaszban az MI hozzájárul a képalkotó vizsgálatok automatizált értelmezéséhez, a betegek kiválasztásához, a kockázatbecsléshez, valamint az implantátumok személyre szabott tervezéséhez. A műtét során a navigációs rendszerek és robotasszisztált sebészeti megoldások növelik a beavatkozások pontosságát és optimalizálják az implantátum elhelyezését. A posztoperatív szakaszban az MI-modellek képesek előre jelezni a gyógyulási eredményeket, támogatni a rehabilitáció személyre szabását és nyomon követni a komplikációk kockázatát.

Következtetés: A mesterséges intelligencia forradalmasítja csípő- és térdprotézisműtéteket, javítja a műtétek pontosságát, a betegközpontú megközelítést és a kimenetelek előrejelzését a teljes ellátási folyamat során. A meglévő korlátok leküzdésére irányuló további kutatások és az alkalmazási lehetőségek bővítése révén az MI még nagyobb szerepet kaphat az ortopéd sebészet jövőjében.

Abstract:

Background: The rapid advancement of artificial intelligence (AI) is significantly impacting orthopaedic surgery, especially hip and knee arthroplasty. Machine learning and deep learning are increasingly being used to improve diagnostic accuracy, enhance surgical planning, support surgical navigation, and assist in postoperative care.

Method: A systematic literature review was conducted using the PRISMA guidelines to examine AI applications in hip and knee arthroplasty.

Results: The search identified 290 studies across two databases, of which 45 met the inclusion criteria. The findings were evaluated across three clinical phases: preoperative, intraoperative, and postoperative. In the preoperative phase, AI contributes to the automated interpretation of imaging studies, patient selection, risk stratification, and the personalised planning of implants. Navigation systems and robot-assisted surgical solutions increase procedural accuracy and optimise implant placement during surgery. In the postoperative phase, AI models can predict recovery outcomes, support personalised rehabilitation, and monitor the risk of complications.

Conclusion: Artificial intelligence is revolutionising hip and knee arthroplasty by improving surgical precision, enabling a patient-centred approach, and enhancing outcome prediction across the entire continuum of care. Further research to overcome current limitations and expand application areas will allow AI to play an even greater role in the future of orthopaedic surgery.