人工智能技术在骨科疾病诊治中的应用进展▲

梁雄明 梁红锁 杨业静 李兴艳 杜勇军

(广西医科大学第三附属医院关节外科，广西南宁市 530031)

【提要】 人工智能是一门旨在模拟、扩展人类智能，并将理论研究与应用开发相结合的新学科，其可推动人类科技发展、产业进步及社会变革。近年来，人工智能与骨科学的融合发展呈蓬勃态势，人工智能技术在骨科疾病诊疗中的应用已成为骨科学领域的研究热点，该项技术不但可以减轻骨科医生的工作负荷，还能极大提高骨科临床诊疗水平和服务效率。本文对人工智能技术在骨科疾病诊治中的应用研究进行综述。

人工智能是一门旨在模拟、扩展人类智能，并将理论研究与应用开发相结合的新学科[1]。1956年约翰·麦卡锡等科学家首次正式提出人工智能，标志着这门新兴专业学科的正式诞生[2]。由于早期计算机技术落后、数据库空缺、智能算法发展阶段处于雏形等多方面的限制，人工智能技术的发展经历了一段缓滞期。近年来，随着计算机、互联网技术的发展及深度学习算法的出现，人工智能技术得到了突飞猛进的发展，并逐渐应用于各个领域[3]，被誉为21世纪三大尖端技术之一[4]。

人工智能技术与医学领域结合成为其重要的研究方向之一。1972 年，英国利兹大学研发了辅助腹痛诊断及手术治疗的AAPHelp系统，这是最早出现的医疗人工智能系统[5]。随后INTERNIST-Ⅰ、MYCIN等系统相继问世[6]。2006年，Hinton等[7]提出了深度学习网络模型，医学人工智能研究由此进入新的阶段。2012年， 国外学者提出了基于卷积神经网络的AlexNet模型，该模型在图像识别上具有极高的精确度，将人工智能与医学影像的结合推向新的高度[8]。近年来，我国出台了一系列有关医疗人工智能的政策文件,促进了医疗人工智能技术产业的发展[9]。目前，人工智能技术已应用于疾病诊断、疾病治疗、药物研发、医院管理、虚拟助手等医学领域[10]。本文对人工智能技术在骨科疾病诊治中的应用研究进行综述。

1 骨科人工智能技术的背景及原理

目前骨科人工智能技术主要涉及两个方面：一是人工智能的深度学习算法辅助骨科影像学诊断，二是人工智能技术在骨科手术规划及定位导航中的应用。

1.1 深度学习算法辅助骨科影像诊断

1.1.1 背景：研究表明，医学影像数据的年增长率远高于临床影像医师数量的年增长率，导致临床影像医师的工作负荷逐年增加[11]。而高年资临床影像医师的工作负荷增加，以及新生代临床影像医师工作经验的相对缺乏，一定程度上增加了影像学阅片的漏诊率及误诊率。随着大数据时代的来临，以及深度学习的卷积神经网络算法的出现，人工智能技术在骨科影像学诊断中的应用逐渐增多，其可辅助医师进行影像学阅片，有效减轻医师的工作负荷，并提高诊断准确性，降低漏诊率及误诊率。

1.1.2 原理：人工智能医学影像学诊断技术的基本原理涉及影像数据库的建立、模型训练、模型预测3个方面[12-14]。(1)影像数据库的建立。收集包含疑似病灶区域的原始医学影像,然后选出其中一部分图像作为训练集,剩余部分作为测试集。训练集部分需要依次完成预处理、特征提取与图像标注。预处理是去除图像中无关部分,突出疑似病灶区域，通过影像增强技术改善图像质量，以及通过影像分割技术可更直观地从图像中提取疑似病灶区域；特征提取是利用计算机获取医学影像中疑似病灶区域的各种特征性信息,如形状特征、视觉特征和密度特征等；图像标注是对图像添加反映其视觉特征的语义关键词的过程。建立影像数据库的工作量极大，这也是人工智能医学影像诊断技术发展亟待解决的难题，随着近年来迁移学习技术的出现与发展，这一问题将在很大程度上得到缓解。(2) 模型训练。将处理后的测试集导入深度学习模型进行训练。目前深度学习模型大多基于卷积神经网络，该类深度学习模型由大量数据处理层组成，通过大量数据训练和学习，自动调整自身参数，使其分析能力不断提升，并不断提高临床诊断决策能力，得到适应目标任务的预测模型。成熟的训练模型可以通过分析输入的影像数据，输出相应的诊断信息。(3)模型预测。将测试集导入成熟的训练模型中进行测试，通过测试可得到该模型的预测准确性。

1.2 人工智能技术在骨科手术规划及定位导航中的应用

1.2.1 背景：微创化、精准化是骨科手术技术发展的大趋势，传统骨科手术方式难以满足目前临床日益增长的微创化、精准化的需求。骨科手术机器人起源于20世纪90年代初。1991年，全球首个骨科手术机器人RoboDoc诞生[15]，此后骨科手术机器人迭代发展，但它们均未能实现“人工智能”的理念，只是单纯的“外科机械手臂”，虽然在一定程度上实现了手术的微创化和精准化，但仍不能满足临床需要。近年来，随着计算机技术和人工智能技术的进步，手术机器人开始融入人工智能技术，并逐渐应用于临床。这些智能手术机器人在传统“外科机械臂”的基础上，增加了人工智能算法，对术中数据进行智能获取和分析，从而实现智能手术规划、定位导航等，其可辅助外科医生进行手术，促进骨科手术微创化、精准化发展，实现对传统手术方式的巨大变革。譬如应用于髋关节及膝关节置换术的MaKo机器人、应用于脊柱手术的Renaissance机器人，以及由我国北京积水潭医院自主研发的“天矶”骨科手术机器人等，都是融入了人工智能技术的现代智能手术机器人[16]。

1.2.2 原理：人工智能应用于骨科手术的规划、定位导航主要涉及以下3个关键技术。(1) 图像与规划技术。图像与规划技术是采集术前或术中的二维图像，通过计算机系统对二维图像处理形成三维虚拟对象，对三维虚拟对象中所感兴趣的组织、解剖结构或者器官进行图像分割处理和三维重建显示，然后在计算机系统上对该三维虚拟对象进行手术规划。(2)空间配准技术。空间配准是在三维虚拟对象及真实对象上建立空间坐标系，然后将前者的坐标系转换至后者的坐标系上，以实现两个不同空间中坐标之间的对应，使得计算机三维虚拟对象上的手术规划转换至病灶目标对象坐标系上。配准方法主要有形态法和基准法，形态法是在三维虚拟对象空间坐标系上选择一些解剖标志，然后获取真实对象坐标系上对应点的坐标，通过计算机系统计算出两者的转换关系，实现空间配准；基准法是成像前在真实对象上置入标志物，形成人工标志点，通过三维虚拟对象与真实对象上人工标志点的关联，实现空间配准。(3) 目标跟踪技术。目前最常用的目标跟踪技术是基于红外光的主动/被动跟踪技术，其分别通过使用能发射红外线和反光的部件作为示踪点，实时跟踪感兴趣目标的空间位置及坐标系之间的变换关系[17-18]。

2 人工智能技术在骨科疾病诊治中的应用

2.1 创伤性骨折的诊断与治疗 深度学习算法在创伤性骨折诊断方面的应用可达到与经验丰富的骨科医师相似的影像学阅片水平。Wu等[19]将主动形状模型用于骨盆骨折CT图像的自动分层检测，结果表明该模型能有效检出CT图像上的骨盆裂缝。刘想等[20]评估了基于深度学习算法的人工智能软件在CT图像上自动诊断创伤性肋骨骨折的效能，发现其具有较高的敏感度，并有望用于急性胸部外伤CT图像阅片的初筛和风险评估。Olczak等[21]利用深度学习算法模型，在256 000张腕、手和踝关节的X线图片上评估是否存在骨折，其检出骨折的准确率可高达83%， 因此，2018年美国食品药品监督管理局批准了基于该深度学习算法模型的OsteoDetect AI工具应用于临床。Chung等[22]利用基于卷积神经网络的深度学习算法模型在1 891张肩关节X线平片上诊断和分类肱骨近端骨折，结果显示该模型在肱骨骨折的诊断准确度高达96%，曲线下面积为1.00，并且该模型在诊断肱骨骨折的分类上也显现出不错的效能。Pranata等[23]评估了基于卷积神经网络架构的残差网络在CT图像上自动诊断和分类跟骨骨折的效果， 结果表明其在跟骨骨折分类上的准确率为98 %。Lindsey等[24]构建了一种识别有无骨折并标识出可疑骨折范围的深度学习算法模型,结果显示该模型在识别骨折及标注骨折范围时的敏感度高达93.9%，特异度可达94.5%，该模型辅助骨折阅片可使误诊率下降47%。Cheng等[25]发现，深度卷积神经网络能在骨盆X线图片中准确检出及定位髋部骨折。

对于大多数股骨颈骨折患者而言，手术治疗是首选治疗方案[26]。置入空心螺钉内固定和全髋关节置换术(total hip arthroplasty,THA)是目前手术治疗股骨颈骨折的两种主流方案。杨琨等[27]的研究显示，采用人工智能手术机器人辅助股骨颈骨折空心钉内固定术治疗股骨颈骨折患者，可提高手术安全性，并减少手术对患者的损害。崔可赜等[28]回顾分析了17例MaKo机器人辅助下行THA术治疗的股骨颈骨折患者的临床资料，发现其假体置入更精准，术后复查提示假体位置良好，患者双下肢长度差异小，手术效果良好。张纪等[29]和吾湖孜·吾拉木等[30]亦探讨了采用MaKo机器人辅助性THA术治疗股骨颈骨折患者的临床疗效，结果表明在机器人辅助下假体置入的准确性和手术安全性均得到提高,且可减少患者术后双下肢长度差，具有良好的早期疗效。吴东等[31]发现，将基于深度学习算法的 AIHIP系统用于THA术前规划，相比于传统方法，其髋臼侧、股骨侧假体完全符合率更高，其双侧联合偏心距差值更小。股骨近端防旋髓内钉内固定术是目前公认的对粗隆间骨折治疗效果极佳的手术方案。洪石等[32]发现，相比于传统采用X线透视下进行定位，采用人工智能手术机器人辅助股骨近端防旋髓内钉内固定术治疗股骨粗隆间骨折的操作简单,极大提高了主钉置入的准确率,减少X线透视次数和辐射量,缩短有创操作时间,治疗效果满意。经皮通道螺钉内固定术是目前手术治疗骨盆骨折的主流术式[33]。赵春鹏等[34]比较了人工智能手术机器人辅助与X线透视引导辅助治疗的12例骨盆骨折患者的临床资料,结果显示人工智能手术机器人辅助下螺钉置入的准确率更高，螺钉置入所需透视时间更少，且螺钉调整次数更短。刘华水等[35]发现，第三代骨科人工智能手术机器人TiRobot辅助螺钉置入术治疗骨盆骨折，具有精准定位、稳定导航、手术创伤小等优点。王天龙等[36]和杨成志等[37]的研究亦证实了采用人工智能手术机器人辅助治疗骨盆骨折较“O”型臂X线导航更具优势。

2.2 骨关节病的诊断与治疗 人工智能技术在骨关节病的影像学诊断中展示出良好的效果。Xue等[38]探讨深度学习算法在髋关节骨性关节炎中的诊断价值，结果显示该模型诊断髋关节骨性关节炎的灵敏度为95.0%，特异度为90.7%，准确率为92.9%，具有较好的诊断价值，表明基于深度学习算法在智能医学影像学诊断实践领域具有广阔的应用前景。有研究表明,基于卷积神经网络的热力图可在膝关节正位片标识出可疑骨赘,结合Kellgren-Lawrence评分标准可提高膝关节骨性关节炎诊断的准确率[39]。Pedoia等[40]应用基于卷积神经网络的DenseNet模型检测软骨异常并诊断骨关节炎,其曲线下面积为0.83，灵敏度为76.99%，特异度为77.94%，提示该模型在骨性关节炎诊断方面具有一定的应用价值。

目前人工智能技术在手术治疗骨关节病方面的应用主要为人工智能手术机器人辅助关节置换术。郭人文等[41]回顾性分析采用MaKo机器人辅助THA治疗股骨头坏死患者的近期临床疗效，发现采用MaKo机器人辅助THA治疗股骨头坏死较常规THA手术具有更高的精准性和稳定性,患者术后股骨头前倾角更好,下肢长度差和髋关节偏心距差更小。任兴宇等[42]的Meta分析表明，人工智能手术机器人辅助单髁置换术在组件置入准确性、术后胫骨后倾角、术后翻修率等方面均优于传统置换手术方法。有学者发现，人工智能手术机器人辅助全膝关节置换术能提高术中截骨、假体安放位置的准确性，以及下肢力线的精准度,减轻患者疼痛症状，早期疗效满意[43-45]。研究表明，与传统手术相比，MaKo机器人辅助THA可以提高髋臼杯植入的准确性和安全性，术后短期临床效果更佳[46]，但其长期疗效还需要进一步研究证实。但也有研究表明，人工智能骨科手术机器人辅助THA虽然可以提高髋臼杯植入的准确性，但在术后短期功能恢复、下肢长度差异的纠正或术后并发症方面与传统THA手术并无显著差异[47-48]。

2.3 脊柱疾病的诊断与治疗 腰椎退行性疾病是临床上常见的脊柱疾病之一。2016年，Liao等[49]利用深度学习算法对腰椎CT图片进行腰椎滑脱的诊断和分期，发现其诊断效能与放射科医师的阅片水平相似。2017年，Jamaludin等[50]基于卷积神经网络框架技术开发了一套SpineNet系统，其可在MRI图像上对腰椎进行Pfirrmann评分,在判断有无椎间盘狭窄、上/下终板缺损、上/下骨髓改变、腰椎滑脱和中央管狭窄方面的准确率达95.6%，并且该系统在预测多种腰椎退行性改变的病理分级上与影像学医师的阅片水平相当。2018年，Han等[51]提出了一种深度、多尺度、多任务学习网络，可提高椎间孔狭窄、椎管狭窄的诊断准确率。

经皮椎体后凸成形术(percutaneous kypho plasty,PKP)、经皮椎体成形术(percutaneous vertebro plasty ，PVP)是目前治疗骨质疏松性椎体压缩性骨折的常用微创手术方法[52]，穿刺精准度、X线透视次数、X线透视剂量、骨水泥侧漏发生率等是这两种术式值得关注的问题。有研究表明，采用人工智能骨科手术机器人辅助行PKP及PVP，可缩短手术时间,提高穿刺精准度,减少X线透视次数及透视剂量,降低骨水泥渗漏发生率,获得更优的骨水泥分布情况[53-54]。经皮微创椎弓根螺钉内固定术是治疗胸腰椎骨折的主要术式之一。袁春明等[55]对比了人工智能手术机器人辅助与徒手行椎弓根螺钉内固定术治疗胸腰椎骨折的效果，结果表明采用人工智能手术机器人辅助经皮椎弓根螺钉内固定术可取得更好的疗效。田伟等[56]回顾性分析40例行椎弓根螺钉内固定手术的患者的临床资料，发现相较于传统X线透视引导，采用天玑手术机器人辅助进行手术,可在不增加手术时间和术后并发症发生率的前提下显著提高椎弓根螺钉内固定术的精准度和安全性。肖宇等[57]和刘刚等[58]发现，采用人工智能手术机器人辅助微创经皮椎弓根螺钉固定治疗胸腰椎骨折可获得满意的临床效果，相较于传统手术,其手术时间更短、置钉精准度更高、射线暴露量及术中创伤更少。微创经椎间孔腰椎体间融合术已逐渐成为腰椎退行性疾病手术治疗的主流方法[59]。崔冠宇等[60]比较采用人工智能手术机器人辅助微创经椎间孔腰椎椎体间融合术与传统开放经椎间孔腰椎椎体间融合术治疗Ⅰ、Ⅱ度单节段腰椎滑脱症的疗效，发生人工智能手术机器人辅助微创经椎间孔腰椎椎体间融合术手术治疗腰椎滑脱症时术中螺钉置入精准度更高，术中创伤更小,术后恢复更快。还有研究表明，采用人工智能手术机器人辅助微创经椎间孔腰椎椎体间融合术手术治疗腰椎退行性疾病患者，可减少手术创伤,提高临床疗效[61-63]。

2.4 骨肿瘤的诊断与治疗 脊柱是恶性肿瘤骨转移最常发生的部位之一,约30%～70%恶性肿瘤患者会出现脊柱转移,使得患者疾病进展加快、预后变差[64]。Burns等[65]设计了一套计算机辅助诊断系统(computer aided diagnosis,CAD)并将其用于诊断胸腰椎硬化性转移瘤，结果显示该系统可成功识别CT图像上胸腰椎的硬化转移瘤病灶，且有较高的灵敏度。O′Connor等[66]对CAD系统应用于辅助CT检测胸腰椎脊柱溶解病变的效果进行评估，结果显示该CAD系统可成功识别胸腰椎可能的溶骨性转移性瘤。Wang等[67]利用深度学习算法实现了在MRI图像中自动识别脊柱转移瘤。

PKP和PVP均是用于治疗椎体转移瘤引起的难治性疼痛的微创手术方法,是姑息治疗晚期脊柱转移瘤的主要手段[68]。林书等[69]回顾分析接受人工智能机器人辅助PKP(机器人组)和传统透视下PKP(传统透视组)治疗的脊柱转移瘤患者的临床资料,发现机器人组的手术时间、X线透视次数更少,骨水泥渗漏率、椎弓根突破率更低，提示采用机器人辅助PKP治疗脊柱转移瘤更具优势。俞阳等[70]发现与传统PVP相比，人工智能机器人辅助PVP可提高穿刺精准度，减少手术损伤，降低骨水泥侧漏风险。目前有关人工智能技术辅助诊断与治疗骨科肿瘤的研究相对较少，这将是今后研究的方向。

3 小结与展望

人工智能与骨科学的学科融合给骨科疾病的诊断及治疗带来就巨大的变革，深度学习算法与肌骨影像学图像的结合，可更好地辅助骨科疾病的诊断，提高诊断效率和准确性；人工智能机器人辅助手术治疗，可提高手术的安全性、精准性及术后效果。总之，人工智能技术的应用可提高骨科医疗水平和服务效率。但人工智能技术在骨科的应用还不成熟，目前面临几个突出的问题：(1)骨科疾病种类较多，人工智能技术在骨科领域的应用面仍较窄，相关研究依然较少；(2)人工智能辅助骨科影像学诊断的发展，尚需要一个数据来源可靠、功能强大、信息共享的骨科影像学数据平台；(3)人工智能技术在临床的应用过程中存在不容忽视的伦理问题，主要是个人信息的安全性、隐私性、医疗资源分配的公平性，以及医疗事故的责任归属问题等；(4)目前，我国还未形成关于人工智能与骨科医疗的跨学科复合型人才培养体系，研发骨科人工智能技术的多为人工智能单学科专家，缺少人工智能与骨科医疗复合型专家，导致两个学科融合发展速度受限，甚至有可能出现人工智能发展方向与骨科临床应用脱节的现象。

随着5G时代的来临，以及人工智能发展理念渐入人心，搭建智能医学数据平台的需求日渐增多，开发骨科医学影像数据平台以更好地服务于骨科疾病诊治是大势所趋。相信在人工智能技术发展规划下，人工智能技术应用于骨科临床诊疗的伦理问题将得到有效解决。今后应加强跨学科通力合作、多学科交融、建立培养人工智能与医疗复合型人才教育体系，促使人工智能技术能够更广泛地应用于骨科疾病的诊治。同时，人工智能与骨科学的融合发展将改变传统的骨科疾病的诊疗模式，推动骨科学的发展与进步，最终提高骨科诊疗水平和服务质量，使广大患者受益。