Importanza dei fattori prognostici alla prima visita nella Scoliosi Idiopatica Adolescenziale: analisi retrospettiva di una coorte di pazienti attraverso l'uso di machine learning

Adolescent Idiopathic Scoliosis (AIS) is a very common condition with significant epidemiological and social relevance. Untreated patients often have a worse prognosis, more frequently associated with greater curve progression and sometimes disabling back pain in adulthood. This work aims to evaluate the importance of prognostic factors at the first visit to identify scoliosis at higher risk of progression early and intercept them as soon as possible through Machine Learning (ML), a modern subdomain of artificial intelligence. To carry out this study, a cohort of young people aged between 10 and 18 years with a diagnosis of AIS according to the criteria of the Scoliosis Research Society (Cobb angle measured on X-ray >10°) was selected and visited at the Adolescence Vertebral Pathologies Diagnostic and Treatment clinics of the Orthopedic Rehabilitation Unit of Padua Hospital. During the 3 visits, spaced 6 to 9 months apart, a thorough anamnesis was collected, a physical examination was performed, and radiographic images were analyzed. The information obtained from these evaluations, combined with those related to the possible presence of treatment (orthotic or medical gymnastics), were studied using ML analysis, a subdomain of artificial intelligence capable of reading, analyzing, and interpreting large amounts of data. The analysis was structured as follows: the ML system calculated the relative importance of a series of prognostic factors (input parameters) based on 4 main patient outcome parameters (output parameters). The chosen output variables were: Cobb angle (delta), rib hump, brace prescription, and time to first brace prescription. The input parameters considered were collected during outpatient visits and in detail are: Cobb angle, rib hump severity, curve side and possible presence of counter-curve, age, gender, family history, Risser index, presence of menstruation/mutation dysphonia, participation in sports activities, and presence of prescriptions (medical gymnastics or corrective brace). A sample of 447 young adolescents was analyzed, with an average age of 147 months (standard deviation 25 months); 83% were female; 60.2% had already experienced menarche or mutation dysphonia at the first visit; 80.1% had a family history. For all four outcomes considered, the result was the same: the Cobb angle and rib hump are the most significant prognostic factors. Specifically, the relative importance of these two variables ranged from 15.57% to 26.73% for the first and from 7.85% to 61.12% for the second in the different outcome variables. Risser sign (6.02% -16.54%) and age (3.54% - 12.67%) followed in importance. Conclusions The evaluation using machine learning highlights that the four most important prognostic factors are Cobb angle, rib hump, Risser index, and age, and that consequently it is crucial to identify these data during the first visit to direct patients to the best conservative treatment, avoiding curve progression and its consequences. These results confirm, albeit with a different analysis method, what is currently supported by scientific evidence. Nevertheless, the limitations of this modern technique should be emphasized, and research in this direction should be encouraged. The possible applications of this technology in the future are manifold: in particular, further efforts should be made to implement the use of software based on artificial intelligence systems as a useful tool for the clinical activity of the specialist doctor. Finally, some possible goals are the creation of an effective and universal screening system and the creation of a prognostic score capable of directing patients to the best treatment from the first visit.

La Scoliosi Idiopatica Adolescenziale (SIA) è una patologia molto comune con una grande rilevanza epidemiologica e sociale. I pazienti affetti, quando non trattati, presentano una prognosi peggiore, associata più frequentemente ad una evoluzione maggiore della curva e talvolta a rachialgia invalidante nella vita adulta. Questo lavoro si pone l’obiettivo di valutare l’importanza dei fattori prognostici alla prima visita in modo tale di individuare precocemente le scoliosi a maggior rischio evolutivo ed intercettarle il prima possibile mediante Machine Learning (ML), un moderno sottodominio dell’intelligenza artificiale. Per eseguire tale studio è stata selezionata una coorte di giovani di età compresa tra i 10 e i 18 anni con diagnosi di SIA secondo i criteri della Scoliosis Research Society (angolo di Cobb misurato su radiografia >10°) visitati presso gli ambulatori Diagnostica e Trattamento delle Patologie Vertebrali dell’Adolescenza dell’U.O. di Riabilitazione Ortopedica dell’Azienda Ospedaliera di Padova. Durante le 3 visite, intervallate da un periodo compreso tra 6 e 9 mesi, si effettuava una accurata raccolta amnestica, si effettuava esame obiettivo e si analizzavano le immagini radiografiche. Le informazioni ricavate da queste valutazioni, unite a quelle relative all’eventuale presenza di trattamento (ortesico o di ginnastica medica), venivano studiante mediante analisi ML, un sottodominio dell’intelligenza artificiale in grado di leggere, analizzare ed interpretare importanti masse di dati. L’analisi è stata strutturata nel seguente modo: il sistema ML ha calcolato l’importanza relativa di una serie di fattori prognostici (parametri di input) in funzione di 4 principali parametri di valutazione dell’outcome dei pazienti (parametri di output). Le variabili di out-put scelte sono state: angolo di Cobb (delta), gibbo, prescrizione del busto e tempo alla prima prescrizione del busto. I parametri di input considerati sono stati raccolti durante le visite ambulatoriali e nel dettaglio si tratta di: angolo di Cobb, entità del gibbo, lato della curva ed eventuale presenza di controcurva, età, sesso, familiarità, indice di Risser, presenza di mestruazioni/disfonia della muta, partecipazione ad attività sportive e presenza di prescrizioni (ginnastica medica o busto correttivo). È stato analizzato un campione di 447 giovani adolescenti di cui l’età media si è attestata a 147 mesi (deviazione standard 25 mesi); di questi, l’83% era di sesso femminile; il 60.2% aveva già avuto presenza di menarca o disfonia della muta alla prima visita; l’80.1% presentava familiarità. Per tutti e quattro gli outcome considerati il risultato è stato lo stesso: l’angolo di Cobb e il gibbo sono i fattori prognostici con maggior rilevanza. Nel dettaglio, l’importanza relativa di queste due variabili si è attestata rispettivamente tra il 15.57% e il 26.73% per la prima e tra il 7.85% e il 61.12% per la seconda nelle diverse variabili di outcome. Seguono per importanza il segno di Risser (6.02% -16.54%) e l’età (3.54% - 12.67%). La valutazione mediante machine learning mette in evidenza che i quattro fattori prognostici più importanti sono angolo di Cobb, gibbo, indice di Risser ed età e che di conseguenza è di fondamentale importanza individuare questi dati durante la prima visita per indirizzare i pazienti al miglior trattamento conservativo evitando l’evoluzione della curva e le sue conseguenze. Questi risultati confermano, pur con metodica di analisi diversa, quanto attualmente sostenuto dall’evidenza scientifica. Ciononostante, vanno sottolineati i limiti di questa moderna tecnica e va per questo incoraggiata la ricerca in questa direzione.