ヒムチャン病院シンポジウムセメントレス・ロボット支援TKA
現代のセメントレスインプラントに関するエビデンスと限界を検討し、ロボットと機能的アライメントを用いた計画および手術手順、患者選択の原則を説明します。
講演の解説を読むPRESENTATIONS
発表資料。
講演や学会発表と、関連する論文、スライド、動画をまとめました。
ヒムチャン病院シンポジウム
高麗大学病院 開業医向け講座人工膝関節全置換術におけるアライメントのパラダイム変化
中立アライメントという共通の目標から、患者の解剖学的特徴と軟部組織に適した目標の選択へと議論を広げます。Constitutional varusとCPAK、変形性関節症に伴う変形、機能的アライメントの根拠と限界、AIによる計測と予測を結び付け、患者ごとのアライメント計画の原則を解説します。
講演の解説を読む
APKASS画像バイオマーカーとAIで再定義する膝変形性関節症
膝変形性関節症を客観的に計測し、構造変化を定量化し、患者ごとの予後を評価する研究を紹介します。関節裂隙幅、下肢アライメント、MRI所見を関連づけ、独立したコホートでの検証を通じてAIの臨床的意義を考えます。
講演の解説を読む
2025年 韓国膝関節学会研修講座人工膝関節全置換術後の摩耗、骨溶解、無菌性ゆるみの診断と治療
人工膝関節全置換術後の摩耗粒子の発生と骨溶解を生じる生物学的反応を検討し、感染の鑑別とコンポーネントの固定状態に基づいて経過観察、インサート交換、再置換術を計画します。
講演の解説を読む
翰林大学病院シンポジウムAIを用いた人工膝関節置換術の個別化計画
人工膝関節置換術の個別化計画では、患者ごとの解剖学的特徴を正確に測定し、インプラントのサイズ・アライメント・位置を手術の工程に結び付けます。AIを用いた2D・3Dテンプレーティングの役割と限界、リスクおよび回復予測の活用、臨床ワークフローに必要な検証を検討します。
講演の解説を読む
2026年第13回前十字靱帯シンポジウムACL移植腱の採取と、損傷・直径不足への対応
ハムストリング腱・大腿四頭筋腱・BPTBの採取時に避けるべき損傷と、移植腱の長さ・直径が不足する場合に確認する選択肢をまとめています。5本構成、同種腱による補強、縫合テープ、LETのエビデンスを区別して検討します。
講演の解説を読むRedefining Knee Osteoarthritis through Imaging Biomarkers and AI
OA画像は等級で説明しやすいものの、同じ等級でも形と経過は違います。骨棘が強い膝、裂隙が先に狭い膝、アライメント変化の速度も異なります。OARSI講演では、この差を画像バイオマーカーとAI測定で研究する方法を話しました。 ## 重症度を分類することと、変化を測ること KL等級は広く有用ですが、小さい部位別変化を十分説明できないことがあります。裂隙のミリ測定や連続角度で等級間の情報を見られます。小数点が多いだけでは良い指標ではなく、反復性、肢位影響、実変化への反応性を確認します。 ## 関節裂隙が狭くなることの意味 X線裂隙には軟骨と半月板の情報が含まれます。MOSTのX線–MRI研究で部位別変化と半月板逸脱の進行関連が示されました。全員にMRIを増やすより、数字がどの組織を反映するかという問いです。各検査が示す構造を原著図で読むと理解できます。 ## AIは、多くの画像に同じ物差しを当てる道具です 下肢全長画像でランドマークを探し角度を反復測定する作業は時間がかかります。私たちは自動検出、角度、関節裂隙を研究しています。一定に測ることと基準値に近いことは別の能力です。平均の背後の失敗も見て、低品質画像や未知の環境では自動結果をそのまま受け入れません。 ## 形態と経過を結びつけても、原因とは断定しない JLCAとアライメント進行、CPAKとOA程度の研究は、経過理解の候補指標を示します。関連があっても角度を変えれば進行を防ぐという結論にはなりません。手術目標、痛み・機能、長期結果まで検証が必要で、講義の探索的例を確定した臨床基準に移さない理由です。 ## 結果を、患者さんへの具体的な説明に戻す 精密測定は数字を増やすためではありません。変化と不確実性を説明し、治療で患者が重視することを確認するためです。歩行、睡眠、仕事、運動では目標が違います。共同意思決定研究もこの過程を評価します。示された範囲と未検証の問いを分けることが、正確な説明の始まりです。
講演の解説を読むAI in Research Workflow: Current Capabilities and Practical Applications
研修医時代、資料収集と整形、論文読解、表整理、統計の文章化に長い時間がかかりました。AIにはその作業を減らす可能性があります。講義と「Integrating AI into the Research Workflow」では、道具の数より研究者が先に定める問いを重視しました。 ## 最初に、研究の問いを絞る 誰のどの問題を何と比べ、どの結果で判断するかを記します。AIの案も実際の資料で答えられるか研究者が確認します。先に結果を選んで問いを逆に合わせると解釈が揺らぐため、可能なら分析前に仮説、指標、対象、除外基準を定めます。 ## 文献を探すことと、根拠を確認すること AIは長文の検索と対象・方法・結果の表整理を助けます。ただし題名とDOIの実在、数値の本文・表の位置を確認し、抄録だけならそう明記します。複数モデルの一致で検証を終えず、実際の原文を基準にします。 ## 設計と解析では、判断を記録する 対象選択、欠測、共変量、一人に両膝がある場合の相関を定めます。コードが動くことと適切な分析は別です。単位、方向、人数、重複、除外を確認し、別計算で主要結果を照合して方法変更による結論の変化も調べます。 ## 図には、問いと分母を残す 良い図は比較、軸、単位、対象数、不確実性、群を示します。AI模式図は原図と区別し、実画像・実験を生成画像で代替しません。平均は分布、正確度は失敗を隠す場合があるため、このサイトも原図に出典と解説を添えます。 ## 文章を整えても、結果の範囲は広げない 滑らかな文章には結果より大きな主張が紛れます。関連を因果、内部検証を他院の効果、研究モデルを検証済み治療に変えていないか確認します。設計に合う報告指針を用い、方法と限界を合わせて記し、速さより実際に答えた問いを正確に残します。 ## 人の責任とデータの保護 ICMJEではAIを著者にせず、利用を開示し、正確性と出典の責任は人が担います。名前を消すだけで患者情報や非公開原稿が安全になるわけではありません。機関規則と適切なデータ処理条件の範囲で扱い、AIで節約した時間を根拠・分析の確認に回します。
講演の解説を読む