目的：膝关节牵伸(KJD)与临床和结构改善以及滑液(SF)标志物改变相关。该研究的目的是使用基于人工智能的自动测量方法分析KJD后的X线变化，并将这些变化与临床结果和SF标记物联系起来。

方法：20例膝骨关节炎患者在常规护理下应用KJD治疗。治疗前和治疗后1年收集X线片和WOMAC。在治疗前、治疗中、治疗后抽吸SF；用免疫分析法评估生物标志物水平。分析X线片以获得间室最小和标准化关节间隙宽度(JSW)、Kellgren-Lawrence (KL)分级、间室关节间隙狭窄(JSN)评分以及骨赘和硬化评分。分析了受影响最大(MAC)和影响最小的隔室的结果。对连续变量采用Wilcoxon符号秩检验和配对t检验分析X线变化。线性回归用于计算JSW、WOMAC疼痛和SF标记物变化之间的相关性。

结果：16例患者可被评估。约半数患者JSW、KL和JSN均有改善，仅MAC JSW有显著性(p< 0.05)。MAC JSW变化与WOMAC疼痛变化呈正相关(p< 0.04)。MCP-1升高和TGFβ-1降低与MAC JSW变化显著相关(p< 0.05)。MCP-1变化与WOMAC疼痛变化呈正相关(p< 0.05)。

结论：自动X线测量显示，在常规护理下，大多数KJD患者的关节结构得到改善。MAC JSW显著增加，并与SF生物标志物水平变化相关，甚至与这些患者所经历的疼痛改善相关。

 

文献来源：

Jansen MP, Salzlechner C, Barnes E, et al. Artificial Intelligence in osteoarthritis: repair by knee joint distraction shows association of pain, radiographic and immunologic outcomes [published online ahead of print, 2022 Dec 29]. Rheumatology (Oxford). 2022;keac723. doi:10.1093/rheumatology/keac723

Tags： Rheumatology：骨关节炎中的人工智能，膝关节牵张修复显示疼痛、放射学和免疫结果的相关性