ВВЕДЕНИЕ. При выполнении scarf-остеотомии решение о выполнении дополнительных остеотомий обычно принимается хирургом. Для правильного решения необходимо учесть большое количество факторов. Классификационные системы оценки рентгенологический показателей стопы и их классификации неоднородны, что не позволяет объективизировать процесс принятия подобных решений.
ЦЕЛЬ: провести клиническое исследование оригинальной рекомендательной системы машинного обучения для определения необходимости выполнения дополнительных остеотомий при корригирующей остеотомии hallux valgus.
МАТЕРИАЛЫ И МЕТОДЫ. Дизайн исследования: проспективное одноцентровое рандомизированное исследование. В исследование были включены 378 пациентов. В группе А (исследуемая, n=189) решение о необходимости выполнения дополнительных остеотомий принималось на основе рекомендаций, сгенерированных моделью машинного обучения. В группе Б (контрольная, n=189) лечение проводилось в строгом соответствии с утвержденными клиническими рекомендациями, а решение принимал хирург.
РЕЗУЛЬТАТЫ. В группе А метатарзалгия зарегистрирована у меньшего числа пациентов, чем в группе Б: 7 (2 % от общего числа) и 19 (5 %) соответственно. Была выявлена статистически значимая разница как по данному показателю (p=0,022), так и в оценке анкетирования AOFAS, VASFA, FADI через 12 месяцев и AOFAS, VASFA через 24 месяца в пользу группы А. ДИСКУССИЯ. В исследуемой группе удалось достичь показателя частоты метатарзалгии в 6,8 %. В контрольной группе, где система машинного обучения не применялась, частота метатарзалгии составила 11,2 %, что статистически близко к исходному уровню осложнений в 9,9 %. Одним из ограничений настоящего исследования, как и многих других в данной области, является отсутствие консенсуса в объективной оценке деформаций переднего отдела стопы, а также проверки единообразия и однородности систем машинного обучения.
ЗАКЛЮЧЕНИЕ. Проведенный сравнительный анализ выявил статистически значимые различия в частоте послеоперационных метатарзалгий при использовании модели машинного обучения. Полученные данные свидетельствуют о преимуществах использования модели машинного обучения для планирования дополнительных остеотомий при выполнении корригирующей остеотомии scarf. Кроме того, представляется перспективным внедрение технологий машинного обучения в другие области ортопедической хирургии для объективизации принятия хирургом решения о выполнении той или иной хирургической манипуляции.
