必威骨关节炎是一种退行性关节疾病。它会导致疼痛和僵硬，在一定程度上影响人自由活动的能力。骨关节炎最常见于膝关节，女性比男性更容易患上骨关节炎。通过运动和健康饮食来锻炼强健的肌肉并保持健康体重可以减轻症状。严重病例可以通过关节置换术以减轻疼痛和恢复活动能力。
骨关节炎 (OA) 是导致老年人身体残疾的一大原因必威。在美国，每年有超过60万人进行全膝关节置换手术 (TKR)必威。
临床OA症状包括关节疼痛、僵硬和活动范围减小。放射OA的诊断采用分级系统，如Kellgren-Lawrence (KL)分级或基于骨赘盒关节间隙狭窄评估的国际骨性关节炎研究学会(OARSI)图谱。但是，目前并没有统一的分级版本。
随着人工智能(AI)在各个领域的普及，医疗系统与AI的联系也逐渐增加，本文即是通过应用人工智能的深度学习功能完成对骨关节炎的诊断以及TKR风险预测。
这项研究使用了骨关节炎倡议 (OAI) 的数据，OAI在2004年2月至2015年10月期间招募了4796名参与者来收集临床、成像和生物标本数据。OAI数据包括患者的8年双侧后前固定屈曲膝关节X光片和9年内的膝关节置换结果数据。
通过使用基线混杂变量：年龄、体重指数 (BMI) 、性别和种族，通过匹配患者和对照患者来选择平衡的病例对照队列。
在DL模型上使用多任务学习模型，同时预测患者和对照患者的TKR结果以及X光片的KL级。多任务学习改善了单一学习任务的概括性。用转移学习训练的多任务深度学习模型(DL-TL-MT)的输出提供了TKR结果和KL等级的预测。
1、深度学习(DL)，深度-转移学习(DL-TL)，深度-转移-多任务学习(DL-TL-MT)均具有较高的分类性能，特异性和灵敏性必威。其中必威，DL-TL-MT分类性能最好(AUC最高)，DL和DL-TL特异性最好。
3、可以完成对TKR手术的不同风险因素的预测必威。本研究包括了家庭病史、过往受伤情况等危险因素。
1. 与以前通过预测KL等级来应用DL模型评估膝盖关节炎的方法不同，本方法使用基于图像的特征来实现接受TKR的更高结果预测精度。
4. 结果变量被定义为在9年内经历TKR。尽管TKR结果作为单一的临床结果衡量标准可�。邮躎KR的决定可能会受到并发症、保险状态等其他因素的影响。
5. 本研究用X光片等进行研究，但是使用DL模型来预测膝盖关节炎的进展等并不限于X光片。将来，基于三维MRI的DL方法可能同样会用于预测膝盖关节炎的进展。
