Antecedentes: La planificación preoperatoria precisa para la artroplastia total de rodilla (TKA) es crucial. La planificación preoperatoria basada en tomografía computarizada (TC) ofrece información más completa y también se puede utilizar para diseñar instrumentación específica para el paciente (PSI), pero requiere imágenes bien reconstruidas y segmentadas, y el proceso es complejo y consume tiempo. Este estudio tuvo como objetivo desarrollar un sistema de planificación preoperatoria y PSI de inteligencia artificial (IA) para TKA y validar su ahorro de tiempo y precisión en aplicaciones clínicas. Métodos: Se utilizaron las estructuras de red neuronal 3D-UNet y HRNet modificadas para desarrollar el sistema de planificación preoperatoria y PSI de IA (AIJOINT). Cuarenta y dos pacientes programados para TKA se sometieron tanto a procesamiento y planificación de CT automáticos como manuales para el tamaño de los componentes, 20 de los cuales tuvieron sus PSI diseñados y aplicados intraoperatoriamente. Se registraron el tiempo consumido y el tamaño y orientación del componente postoperatorio. Resultados: El coeficiente de similitud de Dice (DSC) y la función de pérdida indicaron un rendimiento excelente de la estructura de red neuronal en la segmentación de imágenes de TC. AIJOINT fue más rápido que los métodos convencionales para la segmentación de TC (3.74 +/- 0.82 vs. 128.88 +/- 17.31 min, < 0.05) y el diseño de PSI (35.10 +/- 3.98 vs. 159.52 +/- 17.14 min, < 0.05) sin aumentar el tiempo de planificación del tamaño. La precisión de AIJOINT en la planificación del tamaño de los componentes femorales y tibiales fue del 92.9%, mientras que la precisión del método convencional en la planificación del tamaño de los componentes femorales y tibiales fue del 42.9% y 47.6%, respectivamente ( < 0.05). Además, el PSI basado en IA mejoró la precisión del ángulo cadera-rodilla-tobillo y redujo la pérdida de sangre postoperatoria ( < 0.05). Conclusión: AIJOINT reduce significativamente el tiempo necesario para el procesamiento de CT y el diseño de PSI sin aumentar el tiempo de planificación del tamaño, predice con precisión el tamaño del componente y mejora la precisión de la alineación de miembros inferiores en pacientes de TKA, proporcionando un suplemento significativo a la aplicación de la IA en ortopedia.