DOI: https://doi.org/10.1186/s12891-025-09455-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41546030
تاريخ النشر: 2026-01-16
المؤلف: Yingdong Hu وآخرون
الموضوع الرئيسي: نتائج جراحة استبدال الركبة الكلي
نظرة عامة
هدفت هذه الدراسة إلى تقييم النتائج المحيطة بالعملية والتعافي الوظيفي المبكر المرتبط بجراحة استبدال الركبة الكلي باستخدام الروبوت المدعوم بالذكاء الاصطناعي (TKA) مقارنة بأساليب TKA التقليدية. تم إجراء تحليل استعادي على 88 مريضًا خضعوا لجراحة TKA أحادية الجانب الأولية بسبب التهاب المفاصل العظمي في الركبة بين أبريل وديسمبر 2024. استخدمت مجموعة الروبوت المدعوم بالذكاء الاصطناعي (n=44) التخطيط الجراحي المدعوم بالذكاء الاصطناعي والتقنيات المدعومة بالروبوت، بينما تلقت مجموعة التحكم (n=44) التخطيط التقليدي ثنائي الأبعاد والجراحة اليدوية. تشمل المقاييس الرئيسية التي تم تقييمها دقة توقع الأطراف الاصطناعية، وفقدان الدم، ووقت قطع العظام، والمحاذاة الشعاعية، والدرجات الوظيفية.
أشارت النتائج إلى أن مجموعة الروبوت المدعوم بالذكاء الاصطناعي حققت دقة توقع أطراف اصطناعية أعلى بشكل ملحوظ لكل من مكونات الفخذ (79.5% مقابل 52.3%، P=0.023) ومكونات الساق (84.1% مقابل 61.4%، P=0.042). بالإضافة إلى ذلك، شهدت هذه المجموعة أوقات قطع عظام أقصر (15.24±4.71 مقابل 18.43±4.76 دقيقة، P=0.002)، وانخفاضًا في فقدان الدم أثناء العملية (197.41±78.41 مقابل 234.35±74.53 مل، P=0.026)، وانخفاضًا في إجمالي فقدان الدم بعد 72 ساعة من العملية (1022.96±226.14 مقابل 1118.71±193.30 مل، P=0.036). علاوة على ذلك، كانت المحاذاة بعد العملية لمكون الفخذ الجانبي أفضل في مجموعة الروبوت المدعوم بالذكاء الاصطناعي (5.87±2.18° مقابل 6.91±2.10°، P=0.025). بعد ستة أسابيع، أبلغ المرضى في مجموعة الروبوت المدعوم بالذكاء الاصطناعي عن درجات ألم أفضل على مقياس الفروق المرئية (VAS) (2.27±1.12 مقابل 2.84±1.22، P=0.029) ودرجات مستشفى الجراحة الخاصة (HSS) (61.57±4.40 مقابل 59.59±3.80، P=0.027). تشير هذه النتائج إلى أن جراحة TKA المدعومة بالذكاء الاصطناعي تعزز الدقة في قياس الأطراف الاصطناعية، وتقلل من فقدان الدم، وتحسن النتائج الوظيفية المبكرة، مما يدعو إلى دمجها في حالات TKA المعقدة.
مقدمة
تناقش مقدمة ورقة البحث فعالية جراحة استبدال الركبة الكلي (TKA) كعلاج لالتهاب المفاصل العظمي في الركبة في مراحله النهائية، مع التأكيد على أهدافها في تخفيف الألم، وتصحيح التشوهات، واستعادة وظيفة المفصل. يعتمد نجاح TKA على التخطيط الجراحي الدقيق، والتقنيات الجراحية الدقيقة، وإعادة التأهيل الفعالة بعد العملية. ومع ذلك، فإن الطرق التقليدية للتخطيط قبل العملية، التي تعتمد على التصوير بالأشعة السينية ثنائية الأبعاد (2D)، تعاني من قيود مثل أخطاء التكبير واختلافات الإسقاط، مما يؤدي إلى مضاعفات محتملة أثناء العملية ونتائج سلبية بعد العملية.
لمعالجة هذه التحديات، تسلط الورقة الضوء على دمج الذكاء الاصطناعي (AI) وتقنيات التصوير ثلاثي الأبعاد (3D) في TKA. على وجه الخصوص، يتم استخدام برنامج AI KNEE للتخطيط قبل العملية من خلال تحليل صور الأشعة المقطعية (CT) لتوصية نماذج الأطراف الاصطناعية المناسبة بناءً على المعلمات التشريحية الفردية. بالإضافة إلى ذلك، يعزز نظام ROPA KNEE الروبوتي التنقل أثناء العملية، مما يحسن مسارات قطع العظام لتقليل المضاعفات وتقليل فقدان الدم. تهدف الدراسة إلى مقارنة نتائج TKA المدعومة بالذكاء الاصطناعي ضد الطرق التقليدية من خلال تحليل استعادي لـ 88 حالة، وتقييم مختلف المعلمات المحيطة بالعملية وما بعد العملية لتقييم مزايا وعيوب النهج المدعوم بالذكاء الاصطناعي.
طرق البحث
في هذه الدراسة، تم تقييم طرق التخطيط قبل العملية لجراحة استبدال الركبة الكلي (TKA)، مع التركيز على مجموعتين: مجموعة الروبوت المدعوم بالذكاء الاصطناعي والمجموعة التقليدية. خضع المرضى في مجموعة الروبوت المدعوم بالذكاء الاصطناعي لفحوصات الأشعة المقطعية للطرف السفلي بالكامل، والتي تمت معالجتها باستخدام برنامج AI KNEE. سهل هذا البرنامج تقسيم الهياكل العظمية تلقائيًا وإعادة بناء نماذج ثلاثية الأبعاد للفخذ والساق. حدد المعالم التشريحية الرئيسية وحسب مجموعة متنوعة من المعلمات قبل العملية، مثل إزاحة الكونديل الخلفي للفخذ، وزاوية الفالغوس، وانحدار السطح الخلفي للسطح العلوي للساق. كما قام البرنامج بمطابقة نماذج الأطراف الاصطناعية من قاعدة بيانات TKA مع تشريح المريض، ومحاكاة وضع الأطراف الاصطناعية، وتحسين سمك قطع العظام واختيار الإدراج.
على النقيض من ذلك، استخدمت المجموعة التقليدية قوالب أطراف اصطناعية شفافة ثنائية الأبعاد م overlay على الأشعة السينية لاختيار الحجم، مما يضمن أن أبعاد مكون الفخذ كانت ضمن 1-2 مم من عرض الكونديل الفخذي وأبعاد الأمامية والخلفية. تم تطبيق معايير مماثلة لتحديد حجم مكونات الساق لضمان المحاذاة المناسبة والملاءمة. يسلط هذا المقارنة الضوء على القدرات المتقدمة للتخطيط المدعوم بالذكاء الاصطناعي في تحقيق ملاءمة دقيقة وشخصية للأطراف الاصطناعية في إجراءات TKA.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من الأساليب التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث تؤكد التحليلات الإحصائية على قوة هذه العلاقات. على وجه الخصوص، تظهر النتائج أن التدخل المطبق يؤدي إلى تحسين قابل للقياس في النتائج المستهدفة، كما يتضح من المقاييس المستخدمة.
بالإضافة إلى ذلك، يتضمن القسم تمثيلات بيانية للبيانات، توضح الاتجاهات والأنماط التي تدعم الفرضيات المطروحة سابقًا في البحث. يتم وضع النتائج في سياق الأدبيات الحالية، مع التأكيد على أهميتها وآثارها المحتملة للدراسات المستقبلية. بشكل عام، تسهم النتائج في تقديم رؤى قيمة في هذا المجال، مما يقترح طرقًا لمزيد من الاستكشاف والتطبيق.
المناقشة
تؤكد قسم المناقشة في هذه الدراسة على الدور الحاسم للتخطيط قبل العملية في جراحة استبدال الركبة الكلي (TKA) وتأثيره على النتائج بعد العملية. تم تقسيم 88 مريضًا يعانون من التهاب المفاصل العظمي في الركبة من الدرجة الرابعة وفقًا لمقياس كيلغرين-لورانس إلى مجموعتين: واحدة تتلقى التخطيط قبل العملية المدعوم بالذكاء الاصطناعي مع جراحة مدعومة بالروبوت (مجموعة الروبوت المدعوم بالذكاء الاصطناعي) والأخرى تخضع لجراحة يدوية تقليدية (المجموعة التقليدية). أظهرت مجموعة الروبوت المدعوم بالذكاء الاصطناعي دقة أعلى بشكل ملحوظ في توقع أحجام الأطراف الاصطناعية لكل من مكونات الفخذ (79.5% مقابل 52.3%) ومكونات الساق (84.1% مقابل 61.4%)، مما يبرز مزايا الذكاء الاصطناعي في التغلب على قيود التخطيط بالأشعة السينية التقليدية، التي تتعرض للأخطاء بسبب اعتمادها على التصوير ثنائي الأبعاد والتفسير الذاتي.
فيما يتعلق بالمقاييس المحيطة بالعملية، أظهرت مجموعة الروبوت المدعوم بالذكاء الاصطناعي أوقات قطع عظام أقصر (15.24 ± 4.71 دقيقة مقابل 18.43 ± 4.76 دقيقة، P = 0.002) وانخفاضًا في فقدان الدم أثناء العملية (197.41 ± 78.41 مل مقابل 234.35 ± 74.53 مل، P = 0.026)، مما يسهم في تحسين كفاءة الجراحة وسلامة المرضى. بعد العملية، حققت مجموعة الروبوت المدعوم بالذكاء الاصطناعي أيضًا درجات ألم أفضل على مقياس الفروق المرئية (VAS) (2.27 ± 1.12 مقابل 2.84 ± 1.22، P = 0.029) ودرجات مستشفى الجراحة الخاصة (HSS) (61.57 ± 4.40 مقابل 59.59 ± 3.80، P = 0.027) بعد ستة أسابيع، مما يشير إلى تحسين التعافي الوظيفي المبكر. ومع ذلك، لم يتم ملاحظة اختلافات كبيرة في مدى حركة الركبة في المتابعات اللاحقة، مما يشير إلى أنه بينما قد تعزز تقنيات الذكاء الاصطناعي النتائج المبكرة، تظل التعافي على المدى الطويل متأثرة بعوامل المرضى الفردية. بشكل عام، تدعو النتائج إلى دمج أنظمة الذكاء الاصطناعي والروبوت في TKA لتحسين دقة الجراحة وتحسين نتائج المرضى.
DOI: https://doi.org/10.1186/s12891-025-09455-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41546030
Publication Date: 2026-01-16
Author(s): Yingdong Hu et al.
Primary Topic: Total Knee Arthroplasty Outcomes
Overview
This study aimed to evaluate the perioperative outcomes and early functional recovery associated with AI-robotic total knee arthroplasty (TKA) compared to conventional TKA methods. A retrospective analysis was conducted on 88 patients who underwent primary unilateral TKA for knee osteoarthritis between April and December 2024. The AI-robotic group (n=44) utilized AI-assisted preoperative planning and robot-assisted techniques, while the control group (n=44) received traditional 2D templating and manual surgery. Key metrics assessed included prosthesis prediction accuracy, blood loss, osteotomy time, radiographic alignment, and functional scores.
Results indicated that the AI-robotic group achieved significantly higher prosthesis prediction accuracy for both femoral (79.5% vs. 52.3%, P=0.023) and tibial components (84.1% vs. 61.4%, P=0.042). Additionally, this group experienced shorter osteotomy times (15.24±4.71 vs. 18.43±4.76 minutes, P=0.002), reduced intraoperative blood loss (197.41±78.41 vs. 234.35±74.53 mL, P=0.026), and lower total blood loss at 72 hours postoperatively (1022.96±226.14 vs. 1118.71±193.30 mL, P=0.036). Furthermore, postoperative alignment of the lateral femoral component was superior in the AI-robotic group (5.87±2.18° vs. 6.91±2.10°, P=0.025). At six weeks, patients in the AI-robotic group reported better Visual Analog Scale (VAS) pain scores (2.27±1.12 vs. 2.84±1.22, P=0.029) and Hospital for Special Surgery (HSS) scores (61.57±4.40 vs. 59.59±3.80, P=0.027). These findings suggest that AI-assisted robotic TKA enhances precision in prosthesis sizing, minimizes blood loss, and improves early functional outcomes, advocating for its integration in complex TKA cases.
Introduction
The introduction of the research paper discusses the effectiveness of total knee arthroplasty (TKA) as a treatment for end-stage knee osteoarthritis, emphasizing its goals of pain relief, deformity correction, and restoration of joint function. The success of TKA is contingent upon thorough preoperative planning, precise surgical techniques, and effective postoperative rehabilitation. However, traditional methods of preoperative planning, which rely on two-dimensional (2D) X-ray imaging, are fraught with limitations such as magnification errors and projection discrepancies, leading to potential intraoperative complications and adverse postoperative outcomes.
To address these challenges, the paper highlights the integration of artificial intelligence (AI) and three-dimensional (3D) imaging technologies in TKA. Specifically, the AI KNEE software is utilized for preoperative planning by analyzing computed tomography (CT) images to recommend appropriate prosthesis models based on individual anatomical parameters. Additionally, the ROPA KNEE robotic system enhances intraoperative navigation, optimizing osteotomy trajectories to minimize complications and reduce blood loss. The study aims to compare the outcomes of AI-assisted robotic TKA against conventional methods through a retrospective analysis of 88 cases, assessing various perioperative and postoperative parameters to evaluate the advantages and disadvantages of the AI-robotic approach.
Methods
In this study, the preoperative planning methods for total knee arthroplasty (TKA) were evaluated, focusing on two groups: the AI-Robotic group and the conventional group. Patients in the AI-Robotic group underwent full-length lower limb CT scans, which were processed using AI KNEE software. This software facilitated the automatic segmentation of osseous structures and the reconstruction of 3D models of the femur and tibia. It identified key anatomical landmarks and calculated various preoperative parameters, such as the femoral posterior condylar offset, valgus angle, and tibial plateau posterior slope. The software also matched prosthesis models from a TKA database to the patient’s anatomy, simulated prosthesis placement, and optimized osteotomy thickness and insert selection.
Conversely, the conventional group utilized transparent 2D prosthetic templates overlaid on radiographs for size selection, ensuring that the femoral component dimensions were within 1-2 mm of the femoral condylar width and anteroposterior dimensions. Similar criteria were applied for tibial component sizing to ensure proper alignment and fit. This comparison highlights the advanced capabilities of AI-assisted planning in achieving precise and personalized prosthesis fitting in TKA procedures.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the experimental or analytical methods employed. The data indicates a significant correlation between the variables under investigation, with statistical analyses confirming the robustness of these relationships. Specifically, the results demonstrate that the intervention applied leads to a measurable improvement in the targeted outcomes, as evidenced by the metrics used.
Additionally, the section includes graphical representations of the data, illustrating trends and patterns that support the hypotheses posited earlier in the research. The findings are contextualized within the existing literature, emphasizing their relevance and potential implications for future studies. Overall, the results contribute valuable insights into the field, suggesting avenues for further exploration and application.
Discussion
The discussion section of this study emphasizes the critical role of preoperative planning in total knee arthroplasty (TKA) and its impact on postoperative outcomes. A total of 88 patients with Kellgren-Lawrence grade IV knee osteoarthritis were divided into two groups: one receiving AI-assisted preoperative planning combined with robotic-assisted surgery (AI-Robotic Group) and the other undergoing conventional manual surgery (Conventional Group). The AI-Robotic Group demonstrated significantly higher accuracy in predicting prosthesis sizes for both femoral (79.5% vs. 52.3%) and tibial components (84.1% vs. 61.4%), highlighting the advantages of AI in overcoming the limitations of traditional X-ray templating, which is prone to errors due to its reliance on two-dimensional imaging and subjective interpretation.
In terms of perioperative metrics, the AI-Robotic Group exhibited shorter osteotomy times (15.24 ± 4.71 minutes vs. 18.43 ± 4.76 minutes, P = 0.002) and reduced intraoperative blood loss (197.41 ± 78.41 mL vs. 234.35 ± 74.53 mL, P = 0.026), contributing to enhanced surgical efficiency and patient safety. Postoperatively, the AI-Robotic Group also achieved better Visual Analog Scale (VAS) pain scores (2.27 ± 1.12 vs. 2.84 ± 1.22, P = 0.029) and Hospital for Special Surgery (HSS) knee scores (61.57 ± 4.40 vs. 59.59 ± 3.80, P = 0.027) at six weeks, suggesting improved early functional recovery. However, no significant differences in knee range of motion were observed at later follow-ups, indicating that while AI-assisted technologies may enhance early outcomes, long-term recovery remains influenced by individual patient factors. Overall, the findings advocate for the integration of AI and robotic systems in TKA to optimize surgical precision and improve patient outcomes.