Application of artificial Intelligence algorithms for failure identification of hip replacement

Total hip arthroplasty is a cost-effective surgical procedure undertaken to relieve pain and restore function to hip joint. More than one million arthroplasties are performed every year worldwide, and this number is projected to double within the next two decades. Consequently, follow-up visits are expected to grow and therefore the amount of X-rays images to be analysed. From this need, a research collaboration between “Humanitas Hospital” and “Politecnico di Milano” raised. In particular this project aims to develop an Artificial Intelligence algorithm as a decision support system to speed up radiological image inspection, by increasing the quality of the assessments. Machine Learning and Deep Learning are investigated as valuable classification methods with the aim of discriminating between healthy and failed hip prosthesis. Moreover, through deep learning, Grad-CAM was computed as a visual support tool.

L’intervento di artroprotesi è una procedura chirurgica efficace, utilizzata per alleviare il dolore e restituire la funzionalità dell’anca. Più di un milione di artroplastiche vengono effettuate ogni anno a livello mondiale, e si prevede che questo numero raddoppi nei prossimi vent’anni. Di conseguenza, le visite di controllo aumenteranno e con esse il numero di immagini radiografiche da analizzare. Da questa necessità nasce un progetto di ricerca tra l’ospedale “Humanitas” e il “Politecnico di Milano”. In particolare, lo scopo di questo progetto è di sviluppare un algoritmo di Intelligenza Artificiale come supporto alle decisioni cliniche, per velocizzare l’ispezione delle immagini radiologiche, aumentandone la qualità. Il machine learning e il deep learning sono stati investigati come metodi di classificazione, con lo scopo di discriminare tra protesi d'anca sane e fallite. Inoltre, attraverso il deep learning, le Grad-CAM sono state implementate e calcolate come strumento di supporto visivo.