Highlight
งานวิจัยฉบับนี้ศึกษาสัณฐานของกระดูกสันหลังส่วนคอชิ้นแรกหรือ atlas และศึกษาผลของเพศต่อขนาดและสัณฐานของกระดูกชิ้นนี้ด้วยปัญญาประดิษฐ์ งานวิจัยฉบับนี้ใช้กระดูกสันหลังส่วนคอชิ้นแรกจำนวนทั้งสิ้น 104 ชิ้น ซึ่งประกอบด้วยกระดูกจากผู้บริจาคร่างกายเพศชาย 54 ชิ้น และเพศหญิง 50 ชิ้น เพื่อวัดความยาวของ 12 พารามิเตอร์ (ระยะทาง a ถึง l) จากจุดสังเกตทางกายวิภาคจำนวน 23 จุด ผลการวิจัยพบว่า 8 จาก 12 พารามิเตอร์ มีความยาวที่มากกว่าในเพศชายอย่างมีนัยสำคัญทางสถิติ นอกจากนี้ยังนำความยาวของพารามิเตอร์เหล่านี้มาวิเคราะห์ด้วยปัญญาประดิษฐ์เพื่อจำแนกเพศ ผลการทดลองแสดงให้เห็นว่าโมเดลปัญญาประดิษฐ์ สามารถจำแนกเพศโดยการวิเคราะห์สัณฐานของกระดูก atlas โดยมีความแม่นยำที่ร้อยละ 82.6
ที่มาและความสำคัญ
ความรู้ทางสัณฐานวิทยาของกระดูกสันหลังส่วนขอชิ้นแรกมีความสำคัญอย่างยิ่งสำหรับการประเมินก่อนการผ่าตัด เช่น การรักษาการคลาดเคลื่อน (atlas dislocation) เพื่อเพิ่มความมั่นคงของกระดูกสันหลังส่วนคอ นอกจากนี้การจำแนกเพศอาจมีการนำไปประยุกต์ใช้เพื่อระบุอัตลักษณ์บุคคล ซึ่งมีความสำคัญในเชิงโบราณคดีและมานุษยวิทยา การนำปัญญาประดิษฐ์มาใช้แปรผลการทดลองทางเป็นการวิเคราะห์ผลรูปแบบใหม่ซึ่งยังไม่มีงานวิจัยทางกายวิภาคฉบับไหนใช้เทคนิคนี้มาก่อน
Abstract
Purpose
The uppermost segment of the cervical vertebra or atlas (C1) is a critically important anatomical structure, housing the medulla oblongata and containing the grooves for the C1 spinal nerve and the vertebral vessels. Variations of the C1 vertebra can affect upper spine stability, and morphometric parameters have been reported to differ by population. However, there are few data regarding these parameters in Thais. The use of this bone to predict sex and age has never been reported.
Methods
This study aimed to examine C1 morphometry and determine its ability to predict sex. Twelve diameter parameters were taken from the C1 vertebrae of identified skeletons (n = 104, males [n, 54], females [n, 50]). Correlation analysis was also performed for sex and age, which were predicted using machine learning algorithms.
Results
The results showed that 8 of the 12 measured parameters were significantly longer in the male atlas (p < 0.05), while the remaining 4 (distance between both medial-most edges of the transverse foramen, transverse dimension of the superior articular surface, frontal plane passing through the canal’s midpoint, and anteroposterior dimension of the inferior articular surface) did not differ significantly by sex. There was no statistically significant difference in these parameters on the lateral side. The decision stump classifier was trained on C1 parameters, and the resulting model could predict sex with 82.6% accuracy (root mean square error = 0.38).
Conclusion
Assertation of the morphometric parameters of the atlas is important for preoperative assessment, especially for the treatment of atlas dislocation. Our findings also highlighted the potential use of atlas measurements for sex prediction.
KEYWORDS: cranium, intracranial, cadaver, skull, variations, anatomy
Citation: Poodendan, C., Suwannakhan, A., Chawalchitiporn, T., Kasai, Y., Nantasenamat, C., Yurasakpong, L., Iamsaard, S. & Chaiyamoon, A. (2023). Morphometric analysis of dry atlas vertebrae in a northeastern Thai population and possible correlation with sex. Surgical and Radiologic Anatomy, 45(2), 175-181. https://doi.org/10.1007/s00276-022-03076-6
RELATED SDGs:
3. GOOD HEALTH AND WELL-BEING
ผู้ให้ข้อมูล: ผู้ช่วยศาสตราจารย์ ดร.อธิคุณ สุวรรณขันธ์
ชื่ออาจารย์ที่ทำวิจัย: ผู้ช่วยศาสตราจารย์ ดร.อธิคุณ สุวรรณขันธ์, อาจารย์ ดร.ลภัสรดา ยุรศักดิ์พงศ์
Credit ภาพ: ผู้ช่วยศาสตราจารย์ ดร.อธิคุณ สุวรรณขันธ์
Tags: Atlas, C1, machine learning, Morphometry, Sex prediction, Upper cervical spine
