Automated analysis of knee joint alignment using detailed angular values in long leg radiographs based on deep learning

Abstract

Malalignment in the lower limb structure can occur due to various causes, and accurately evaluating limb alignment is essential, especially when correction is necessary. To address this need, we developed an automated system to assess lower limb alignment by quantifying key parameters: mechanical tibiofemoral angle (mTFA), mechanical lateral distal femoral angle (mLDFA), medial proximal tibial angle (MPTA), and joint line convergence angle (JLCA) from full-length weight-bearing radiographs. In this retrospective study, we analyzed 404 radiographs for algorithm development and testing, with external validation using 30 radiographs from another hospital. The segmentation algorithm’s performance was compared to manual segmentation using the Dice Similarity Coefficient (DSC), and agreement of alignment parameters was assessed using the Intraclass Correlation Coefficient (ICC). The time taken to measure the four alignment parameters was recorded. The algorithm demonstrated excellent agreement with human-annotated segmentation (89–97% similarity), with good to very good alignment parameter agreement (ICC: 0.7213–0.9865). The automated method was 3.44 times faster than manual measurement. In a larger clinical application, we conducted a retrospective cohort study with 17,080 long-leg radiographs from 34,160 legs taken between 2010 and 2023 at a tertiary hospital in South Korea. The deep learning model automatically analyzed mTFA, mLDFA, MPTA, and JLCA. Patients were stratified by age (≤55 and >55 years) and sex, and linear regression analysis was performed to evaluate knee alignment trends over time. While mTFA remained stable across the population (p > 0.05), in those under 55 years of age, there was a significant decrease (right: β=-0.05, 95% CI: -0.08 to -0.02, p = 0.01; left: β=-0.05, 95% CI: -0.07 to -0.03, p = 0.01), with younger females showing a steeper decline (right: β=-0.08, 95% CI: -0.14 to -0.03, p = 0.01; left: β=-0.06, 95% CI: -0.10 to -0.01, p = 0.01). CPAK classification trends showed an increase in classification 3 in females under 55 (right: β=0.01, 95% CI: 0.00 to 0.01, p = 0.01; left: β=0.01, 95% CI: 0.00 to 0.01, p = 0.01). As a result, classification 3 increased from 17.9% to 26.4% on the right side and from 21.4% to 28.0% on the left side between 2010 and 2023. This study reveals distinct shifts in knee alignment, particularly among younger females, with trends indicating a shift toward valgus alignment. Further research is needed to understand the long-term clinical impact of these trends and develop targeted strategies for preserving knee health across the lifespan.

하지 구조에서의 변형은 여러 가지 원인에 의해 발생할 수 있으며, 특히 교정이 필요한 경우 하지 정렬을 정확하게 평가하는 것이 필수적이다. 이를 해결하기 위해, 우리는 하지 정렬을 평가하는 자동화 시스템을 개발하였으며, 전신 체중 부하 방사선 사진에서 기계적 경골대퇴각(mTFA), 기계적 외측 원위 대퇴각(mLDFA), 내측 근위 경골각(MPTA), 관절선 일치각(JLCA)과 같은 주요 매개변수를 정량화하였다. 본 후향적 연구에서는 알고리즘 개발 및 테스트를 위해 404개의 방사선 사진을 분석하였으며, 다른 병원의 30개 방사선 사진을 사용하여 외부 검증을 진행하였다. 분절화 알고리즘의 성능은 Dice 유사 계수(DSC)를 이용해 수동 분절화와 비교하였으며, 정렬 매개변수의 일치는 클래스 간 상관 계수(ICC)를 통해 평가하였다. 또한, 네 가지 정렬 매개변수를 측정하는 데 소요된 시간을 기록하였다. 알고리즘은 사람에 의해 그려진 분절화와 89~97%의 유사도를 보여 우수한 일치율을 보였으며, 정렬 매개변수에 대한 일치는 양호에서 매우 양호(ICC: 0.7213–0.9865)한 수준으로 평가되었다. 자동화된 측정 방식은 수동 측정 대비 약 3.44배 더 신속하였다. 더 큰 임상적 적용을 위해, 우리는 2010년부터 2023년까지 한국의 3차 병원에서 촬영된 34,160개의 다리를 대상으로 총 17,080장의 하지 전장 방사선 사진을 사용한 후향적 코호트 연구를 진행하였다. 딥러닝 모델을 사용하여 mTFA, mLDFA, MPTA, JLCA를 자동 분석하였고, 환자는 연령(≤55세 및 >55세)과 성별에 따라 분류하였다. 무릎 정렬의 연도별 경향을 평가하기 위해 선형 회귀 분석을 시행하였습니다. mTFA는 전체 인구에서 일관된 양상을 보였으나(p > 0.05), 55세 이하 군에서는 유의미한 감소가 나타났다(우측: β=-0.05, 95% CI: -0.08 to -0.02, p = 0.01; 좌측: β=-0.05, 95% CI: -0.07 to -0.03, p = 0.01). 특히 젊은 여성 집단에서 더욱 뚜렷한 감소 경향이 관찰되었다(우측: β=-0.08, 95% CI: -0.14 to -0.03, p = 0.01; 좌측: β=-0.06, 95% CI: -0.10 to -0.01, p = 0.01). CPAK 분류의 경향 분석에서는 55세 이하 여성에서 3번 분류의 비율이 증가하는 것으로 나타났다(우측: β=0.01, 95% CI: 0.00 to 0.01, p = 0.01; 좌측: β=0.01, 95% CI: 0.00 to 0.01, p = 0.01). 이에 따라, 3번 분류는 2010년에서 2023년 사이에 우측에서는 17.9%에서 26.4%로, 좌측에서는 21.4%에서 28.0%로 증가하였다. 본 연구는 특히 젊은 여성 집단에서 무릎 정렬의 변화가 뚜렷하며, 외반 변형(Valgus alignment)으로의 전환 경향을 보여주고 있다. 이러한 경향의 장기적인 임상적 영향을 규명하고, 전 생애에 걸쳐 무릎 건강을 유지하기 위한 맞춤형 전략을 개발하기 위한 추가 연구가 필요할 것으로 생각된다.