Classification of Adolescent Idiopathic Scoliosis Curvature Using Contrastive Clustering
Notice bibliographique
Résumé
STUDY DESIGN: Retrospective image analysis study. OBJECTIVE: To propose a novel classification system for adolescent idiopathic scoliosis (AIS) curvature using unsupervised machine learning and evaluate its reliability and clinical implications. SUMMARY OF BACKGROUND DATA: Existing AIS classification systems, such as King and Lenke, have limitations in accurately describing curve variations, particularly long C-shaped curves or curves with distinct characteristics. Unsupervised machine learning offers an opportunity to refine classification and enhance clinical decision-making. MATERIALS AND METHODS: A total of 1156 AIS patients who underwent deformity correction surgery were analyzed. Standard posteroanterior radiographs were segmented using U-net algorithms. Contrastive clustering was employed for automatic grouping, with the number of clusters ranging from three to 10. Cluster quality was assessed using t-SNE and Silhouette scores. Clusters were defined based on consensus among spine surgeons. Interobserver reliability was evaluated using kappa coefficients. RESULTS: Six clusters were identified, reflecting variations in structural curve location, single (C-shaped) versus double (S-shaped) curves, and thoracolumbar curve characteristics. Cluster reliability was moderate (kappa = 0.701-0.731). The silhouette score was 0.308, with t-SNE demonstrating distinct clustering patterns. The classification highlighted differences not captured by the Lenke classification, such as thoracic curves confined to the thoracic spine versus those extending to the lumbar spine. CONCLUSION: Unsupervised machine learning successfully categorized AIS curvatures into six distinct clusters, revealing meaningful patterns such as unique variations in thoracic and lumbar curves. These findings could potentially inform surgical planning and prognostic assessments. However, further studies are needed to validate clinical applicability and improve clustering quality. LEVEL OF EVIDENCE: Level III.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».