RESUMO
Abstract Osteoarthritis (OA) is the most common type of arthritis, is a growing disease in the industrialized world. OA is an incapacitate disease that affects more than 1 in 10 adults over 60 years old. X-ray medical imaging is a primary diagnose technique used on staging OA that the expert reads and quantify the stage of the disease. Some Computer-Aided Diagnosis (CADx) efforts to automate the OA detection have been made to aid the radiologist in the detection and control, nevertheless, the pain inherits to the disease progression is left behind. In this research, it's proposed a CADx system that quantify the bilateral similarity of the patient's knees to correlate the degree of asymmetry with the pain development. Firstly, the knee images were aligned using a B-spline image registration algorithm, then, a set of similarity measures were quantified, lastly, using this measures it's proposed a multivariate model to predict the pain development up to 48 months. The methodology was validated on a cohort of 131 patients from the Osteoarthritis Initiative (OAI) database. Results suggest that mutual information can be associated with K&L OAI scores, and Multivariate models predicted knee chronic pain with: AUC 0.756, 0.704, 0.713 at baseline, one year, and two years' follow-up.
Resumen La osteoartritis (OA) es el tipo de artritis más común. OA es una enfermedad limitante que afecta a 1 de 10 adultos con 60 años o más. Las imágenes de rayos-x son una técnica de diagnóstico primario que permite conocer el estado de OA, las cuales el experto lee y cuantifica así la etapa de la enfermedad. El Diagnóstico Asistido por Computadora (CADx, por sus siglas en inglés) ha buscado automatizar el diagnóstico de OA para ayudar al radiólogo en la detección y control; sin embargo, el dolor provocado por la progresión de la enfermedad es dejado atrás. En este trabajo se propone un sistema de CADx que cuantifica la similitud bilateral de las rodillas de los pacientes, con el fin de correlacionar el grado de asimetría con el dolor. Inicialmente, las imágenes de las rodillas fueron alineadas usando el algoritmo B-spline para su registro, después, un conjunto de métricas estándar fue cuantificado; finalmente, con estas métricas se propone un modelo multivariado para predecir el dolor de rodilla desarrollado en 48 meses. La metodología fue validada con 131 pacientes obtenidos de la base de datos de la Osteoarthritis Initiative (OAI). Los resultados sugieren que las métricas pueden ser asociadas con los puntajes de KellgrenLawrence; además, los modelos predicen significativamente el dolor crónico de rodilla con: AUC 0.756, 0.704 y 0.7113, al inicio, un año y dos años después, respectivamente.