Bone regeneration and repair are crucial to ambulation and quality of life. Factors such as poor general health, serious medical comorbidities, chronic inflammation, and ageing can lead to delayed healing and nonunion of fractures, and persistent bone defects. Bioengineering strategies to heal bone often involve grafting of autologous bone marrow aspirate concentrate (BMAC) or mesenchymal stem cells (MSCs) with biocompatible scaffolds. While BMAC shows promise, variability in its efficacy exists due to discrepancies in MSC concentration and robustness, and immune cell composition. Understanding the mechanisms by which macrophages and lymphocytes – the main cellular components in BMAC – interact with MSCs could suggest novel strategies to enhance bone healing. Macrophages are polarized into pro-inflammatory (M1) or anti-inflammatory (M2) phenotypes, and influence cell metabolism and tissue regeneration via the secretion of cytokines and other factors. T cells, especially helper T1 (Th1) and Th17, promote inflammation and osteoclastogenesis, whereas Th2 and regulatory T (Treg) cells have anti-inflammatory pro-reconstructive effects, thereby supporting osteogenesis. Crosstalk among macrophages, T cells, and MSCs affects the bone microenvironment and regulates the local immune response. Manipulating the proportion and interactions of these cells presents an opportunity to alter the local regenerative capacity of bone, which potentially could enhance clinical outcomes. Cite this article: Bone Joint Res 2024;13(9):462–473.

Background: Corticosteroids provide well-established therapeutic benefits; however, they are also accompanied by adverse effects on bone. Metformin is a widely used medication for managing type 2 diabetes mellitus. Recent studies have highlighted additional therapeutic benefits of metformin, particularly concerning bone health and oxidative stress. Objective: This research investigates the effects of prednisolone on cellular metabolic functions and bone formation using a 3D in vitro model. Then, we demonstrate the potential therapeutic effects of metformin on oxidative stress and the formation of calcified matrix due to corticosteroids. Methods: Human mesenchymal stem cells (MSCs) and macrophages were cultured in a 3D GelMA scaffold and stimulated with prednisolone, with and without metformin. The adverse effects of prednisolone and metformin's therapeutic effect(s) were assessed by analyzing cell viability, osteogenesis markers, bone mineralization, and inflammatory markers. Oxidative stress was measured by evaluating reactive oxygen species (ROS) levels and ATP production. Results: Prednisolone exhibited cytotoxic effects, reducing the viability of MSCs and macrophages. Lower osteogenesis potential was also detected in the MSC group. Metformin positively affected cell functions, including enhanced osteoblast activity and increased bone mineralization. Furthermore, metformin effectively reduced oxidative stress, as evidenced by decreased ROS levels and increased ATP production. These findings indicate that metformin protects against oxidative damage, thus supporting osteogenesis. Conclusion: Metformin exhibits promising therapeutic potential beyond its role in diabetes management. The capacity to alleviate oxidative stress highlights the potential of metformin in supporting bone formation in inflammatory environments. Keywords: corticosteroid, osteogenesis, inflammation, bone, metformin

ABSTRACT Histomorphometry is an important technique in the evaluation of non‐traumatic osteonecrosis of the femoral head (ONFH). Quantification of empty lacunae and pyknotic cells on histological images is the most reliable measure of ONFH pathology, yet it is time and manpower consuming. This study focused on the application of artificial intelligence (AI) technology to tissue image evaluation. The aim of this study is to establish an automated cell counting platform using YOLOv8 as an object detection model on ONFH tissue images and to evaluate and validate its accuracy. From 30 ONFH model rabbits, 270 tissue images were prepared; based on evaluations by three researchers, ground truth labels were created to classify each cell in the image into two classes (osteocytes and empty lacunae) or three classes (osteocytes, pyknotic cells, and empty lacunae). Two and three classes were then annotated on each image. Transfer learning based on annotated data (80% for training and 20% for validation) was performed using YOLOv8n and YOLOv8x with different parameters. To evaluate the detection accuracy of the training model, the mean average precision (mAP (50)) and precision‐recall curve were identified. In addition, the reliability of cell counting by YOLOv8 relative to manual cell counting was evaluated by linear regression analysis using five histological images unused in previous experiments. The mAP (50) for the detection of empty lacunae was 0.868 for the YOLOv8n and 0.883 for the YOLOv8x. The mAP (50) for the three classes was 0.735 for the YOLOv8n model and 0.750 for the YOLOv8x model. The quantification of empty lacunae by automated cell counting obtained in the learning was highly correlated with the manual counting data. The development of an AI‐applied automated cell counting platform will significantly reduce the time and effort of manual cell counting in histological analysis.

Mesenchymal stem cells (MSCs) play an important role in regenerative medicine and drug discovery due to their multipotential differentiation capabilities and immunomodulatory effects. Compared with traditional 2D cultures of MSCs, 3D cultures of MSCs have emerged as an effective approach to enhance cell viability, proliferation, and functionality, and provide a more relevant physiological environment. Here, we review the therapeutic potential of 3D-cultured MSCs, highlighting their roles in tissue regeneration and repair and drug screening. We further summarize successful cases that apply 3D MSCs in modeling disease states, enabling the identification of novel therapeutic strategies. Despite these promising applications, we discuss challenges that remain in the clinical translation of 3D MSC technologies, including stability, cell heterogeneity, and regulatory issues. We conclude by addressing these obstacles and emphasizing the need for further research to fully exploit the potential of 3D MSCs in clinical practice.

Abstract This study emphasizes the importance of early detection of osteonecrosis of the femoral head (ONFH) in young patients on long‐term glucocorticoid therapy, including those with acute lymphoblastic leukemia, lupus, and other diagnoses. While X‐ray and magnetic resonance imaging (MRI) are standard imaging methods for staging ONFH, MRI can be costly and time‐consuming. The research focuses on utilizing artificial intelligence (AI) to enhance the evaluation of radiographic images for ONFH detection. The study involved analyzing X‐ray and MRI from 102 control hips and 104 ONFH‐affected hips at Association Research Circulation Osseous (ARCO) Stage II and IIIa. We employed transfer learning with the YOLOv8 model for object detection, using 80% of the data for training and 20% for validation, then assessed detection accuracy through mean average precision (mAP) and a precision‐recall curve. Additionally, AI generated synthetic MRI (sMRI) from X‐ray images using a Generative Adversarial Network (GAN) and evaluated their similarity to original MRI. Results showed that the mAP for ONFH detection was 0.923 for the YOLOv8n model and 0.951 for YOLOv8x. The GAN‐generated sMRI exhibited lower image quality compared with originals but maintained potential for lesion assessment. Intrarater reliability among evaluators was high. The findings indicate that AI techniques, particularly YOLOv8 for object detection and GAN for image generation, can effectively assist in ONFH screening, despite some limitations in the generated MRI quality.