Forskare vid University of Surrey har utvecklat ett AI-system som förutsäger en patients knä-röntgenbild ett år framåt, vilket hjälper till med hanteringen av artros. Verktyget genererar visuella prognoser och riskpoäng, presenterade vid MICCAI 2025. Det lovar snabbare, mer transparenta förutsägelser för bättre patientvård.
Artros, som drabbar över 500 miljoner människor världen över och är den ledande orsaken till funktionsnedsättning hos äldre vuxna, har nu ett nytt prediktivt verktyg. Utvecklat av University of Surreys Centre for Vision, Speech and Signal Processing och Institute for People-Centred AI, använder systemet nästan 50 000 knä-röntgenbilder från cirka 5 000 patienter för att förutspå sjukdomsprogression.
AI:n, baserad på en diffusionsmodell, skapar realistiska framtida röntgenbilder och ger en personlig riskpoäng. Den identifierar 16 nyckelpunkter i leden för att belysa potentiella förändringar, vilket ökar transparensen för kliniker. Detta tillvägagångssätt är nio gånger snabbare än liknande verktyg, med större effektivitet och noggrannhet, vilket potentiellt kan påskynda integrationen i klinisk praxis.
David Butler, huvudförfattaren, förklarade: "Vi är vana vid medicinska AI-verktyg som ger ett nummer eller en förutsägelse, men inte mycket förklaring. Vårt system förutsäger inte bara sannolikheten för att ditt knä försämras – det visar faktiskt en realistisk bild av hur det framtida knät kan se ut. Att se de två röntgenbilderna sida vid sida – en från idag och en för nästa år – är en kraftfull motivator. Det hjälper läkare att agera tidigare och ger patienter en tydligare bild av varför det är viktigt att hålla sig till behandlingsplanen eller göra livsstilsförändringar. Vi tror att detta kan vara en vändpunkt i hur vi kommunicerar risker och förbättrar vården av artros i knäet och andra relaterade tillstånd."
Gustavo Carneiro, professor i AI och maskininlärning vid Surrey, tillade: "Tidigare AI-system kunde uppskatta risken för artrosprogression, men de var ofta långsamma, ogenomskinliga och begränsade till siffror snarare än tydliga bilder. Vårt tillvägagångssätt tar ett stort steg framåt genom att snabbt generera realistiska framtida röntgenbilder och genom att peka ut de områden i leden som mest troligt kommer att förändras. Den extra synligheten hjälper kliniker att identifiera högriskpatienter tidigare och personifiera deras vård på sätt som tidigare inte varit praktiska."
Forskningen, detaljerad i tidskriften Medical Image Computing and Computer Assisted Intervention (MICCAI 2025), föreslår anpassningar för tillstånd som lungsjukdomar eller hjärtsjukdomar. Teamet söker samarbeten för att implementera det i sjukhus.