人工智能技術在骨科疾病診治中的應用進展▲

梁雄明 梁紅鎖 楊業(yè)靜 李興艷 杜勇軍

(廣西醫(yī)科大學第三附屬醫(yī)院關節(jié)外科，廣西南寧市 530031)

【提要】 人工智能是一門旨在模擬、擴展人類智能，并將理論研究與應用開發(fā)相結合的新學科，其可推動人類科技發(fā)展、產業(yè)進步及社會變革。近年來，人工智能與骨科學的融合發(fā)展呈蓬勃態(tài)勢，人工智能技術在骨科疾病診療中的應用已成為骨科學領域的研究熱點，該項技術不但可以減輕骨科醫(yī)生的工作負荷，還能極大提高骨科臨床診療水平和服務效率。本文對人工智能技術在骨科疾病診治中的應用研究進行綜述。

人工智能是一門旨在模擬、擴展人類智能，并將理論研究與應用開發(fā)相結合的新學科[1]。1956年約翰·麥卡錫等科學家首次正式提出人工智能，標志著這門新興專業(yè)學科的正式誕生[2]。由于早期計算機技術落后、數(shù)據(jù)庫空缺、智能算法發(fā)展階段處于雛形等多方面的限制，人工智能技術的發(fā)展經歷了一段緩滯期。近年來，隨著計算機、互聯(lián)網(wǎng)技術的發(fā)展及深度學習算法的出現(xiàn)，人工智能技術得到了突飛猛進的發(fā)展，并逐漸應用于各個領域[3]，被譽為21世紀三大尖端技術之一[4]。

人工智能技術與醫(yī)學領域結合成為其重要的研究方向之一。1972 年，英國利茲大學研發(fā)了輔助腹痛診斷及手術治療的AAPHelp系統(tǒng)，這是最早出現(xiàn)的醫(yī)療人工智能系統(tǒng)[5]。隨后INTERNIST-Ⅰ、MYCIN等系統(tǒng)相繼問世[6]。2006年，Hinton等[7]提出了深度學習網(wǎng)絡模型，醫(yī)學人工智能研究由此進入新的階段。2012年， 國外學者提出了基于卷積神經網(wǎng)絡的AlexNet模型，該模型在圖像識別上具有極高的精確度，將人工智能與醫(yī)學影像的結合推向新的高度[8]。近年來，我國出臺了一系列有關醫(yī)療人工智能的政策文件,促進了醫(yī)療人工智能技術產業(yè)的發(fā)展[9]。目前，人工智能技術已應用于疾病診斷、疾病治療、藥物研發(fā)、醫(yī)院管理、虛擬助手等醫(yī)學領域[10]。本文對人工智能技術在骨科疾病診治中的應用研究進行綜述。

1 骨科人工智能技術的背景及原理

目前骨科人工智能技術主要涉及兩個方面：一是人工智能的深度學習算法輔助骨科影像學診斷，二是人工智能技術在骨科手術規(guī)劃及定位導航中的應用。

1.1 深度學習算法輔助骨科影像診斷

1.1.1 背景：研究表明，醫(yī)學影像數(shù)據(jù)的年增長率遠高于臨床影像醫(yī)師數(shù)量的年增長率，導致臨床影像醫(yī)師的工作負荷逐年增加[11]。而高年資臨床影像醫(yī)師的工作負荷增加，以及新生代臨床影像醫(yī)師工作經驗的相對缺乏，一定程度上增加了影像學閱片的漏診率及誤診率。隨著大數(shù)據(jù)時代的來臨，以及深度學習的卷積神經網(wǎng)絡算法的出現(xiàn)，人工智能技術在骨科影像學診斷中的應用逐漸增多，其可輔助醫(yī)師進行影像學閱片，有效減輕醫(yī)師的工作負荷，并提高診斷準確性，降低漏診率及誤診率。

1.1.2 原理：人工智能醫(yī)學影像學診斷技術的基本原理涉及影像數(shù)據(jù)庫的建立、模型訓練、模型預測3個方面[12-14]。(1)影像數(shù)據(jù)庫的建立。收集包含疑似病灶區(qū)域的原始醫(yī)學影像,然后選出其中一部分圖像作為訓練集,剩余部分作為測試集。訓練集部分需要依次完成預處理、特征提取與圖像標注。預處理是去除圖像中無關部分,突出疑似病灶區(qū)域，通過影像增強技術改善圖像質量，以及通過影像分割技術可更直觀地從圖像中提取疑似病灶區(qū)域；特征提取是利用計算機獲取醫(yī)學影像中疑似病灶區(qū)域的各種特征性信息,如形狀特征、視覺特征和密度特征等；圖像標注是對圖像添加反映其視覺特征的語義關鍵詞的過程。建立影像數(shù)據(jù)庫的工作量極大，這也是人工智能醫(yī)學影像診斷技術發(fā)展亟待解決的難題，隨著近年來遷移學習技術的出現(xiàn)與發(fā)展，這一問題將在很大程度上得到緩解。(2) 模型訓練。將處理后的測試集導入深度學習模型進行訓練。目前深度學習模型大多基于卷積神經網(wǎng)絡，該類深度學習模型由大量數(shù)據(jù)處理層組成，通過大量數(shù)據(jù)訓練和學習，自動調整自身參數(shù)，使其分析能力不斷提升，并不斷提高臨床診斷決策能力，得到適應目標任務的預測模型。成熟的訓練模型可以通過分析輸入的影像數(shù)據(jù)，輸出相應的診斷信息。(3)模型預測。將測試集導入成熟的訓練模型中進行測試，通過測試可得到該模型的預測準確性。

1.2 人工智能技術在骨科手術規(guī)劃及定位導航中的應用

1.2.1 背景：微創(chuàng)化、精準化是骨科手術技術發(fā)展的大趨勢，傳統(tǒng)骨科手術方式難以滿足目前臨床日益增長的微創(chuàng)化、精準化的需求。骨科手術機器人起源于20世紀90年代初。1991年，全球首個骨科手術機器人RoboDoc誕生[15]，此后骨科手術機器人迭代發(fā)展，但它們均未能實現(xiàn)“人工智能”的理念，只是單純的“外科機械手臂”，雖然在一定程度上實現(xiàn)了手術的微創(chuàng)化和精準化，但仍不能滿足臨床需要。近年來，隨著計算機技術和人工智能技術的進步，手術機器人開始融入人工智能技術，并逐漸應用于臨床。這些智能手術機器人在傳統(tǒng)“外科機械臂”的基礎上，增加了人工智能算法，對術中數(shù)據(jù)進行智能獲取和分析，從而實現(xiàn)智能手術規(guī)劃、定位導航等，其可輔助外科醫(yī)生進行手術，促進骨科手術微創(chuàng)化、精準化發(fā)展，實現(xiàn)對傳統(tǒng)手術方式的巨大變革。譬如應用于髖關節(jié)及膝關節(jié)置換術的MaKo機器人、應用于脊柱手術的Renaissance機器人，以及由我國北京積水潭醫(yī)院自主研發(fā)的“天磯”骨科手術機器人等，都是融入了人工智能技術的現(xiàn)代智能手術機器人[16]。

1.2.2 原理：人工智能應用于骨科手術的規(guī)劃、定位導航主要涉及以下3個關鍵技術。(1) 圖像與規(guī)劃技術。圖像與規(guī)劃技術是采集術前或術中的二維圖像，通過計算機系統(tǒng)對二維圖像處理形成三維虛擬對象，對三維虛擬對象中所感興趣的組織、解剖結構或者器官進行圖像分割處理和三維重建顯示，然后在計算機系統(tǒng)上對該三維虛擬對象進行手術規(guī)劃。(2)空間配準技術?？臻g配準是在三維虛擬對象及真實對象上建立空間坐標系，然后將前者的坐標系轉換至后者的坐標系上，以實現(xiàn)兩個不同空間中坐標之間的對應，使得計算機三維虛擬對象上的手術規(guī)劃轉換至病灶目標對象坐標系上。配準方法主要有形態(tài)法和基準法，形態(tài)法是在三維虛擬對象空間坐標系上選擇一些解剖標志，然后獲取真實對象坐標系上對應點的坐標，通過計算機系統(tǒng)計算出兩者的轉換關系，實現(xiàn)空間配準；基準法是成像前在真實對象上置入標志物，形成人工標志點，通過三維虛擬對象與真實對象上人工標志點的關聯(lián)，實現(xiàn)空間配準。(3) 目標跟蹤技術。目前最常用的目標跟蹤技術是基于紅外光的主動/被動跟蹤技術，其分別通過使用能發(fā)射紅外線和反光的部件作為示蹤點，實時跟蹤感興趣目標的空間位置及坐標系之間的變換關系[17-18]。

2 人工智能技術在骨科疾病診治中的應用

2.1 創(chuàng)傷性骨折的診斷與治療 深度學習算法在創(chuàng)傷性骨折診斷方面的應用可達到與經驗豐富的骨科醫(yī)師相似的影像學閱片水平。Wu等[19]將主動形狀模型用于骨盆骨折CT圖像的自動分層檢測，結果表明該模型能有效檢出CT圖像上的骨盆裂縫。劉想等[20]評估了基于深度學習算法的人工智能軟件在CT圖像上自動診斷創(chuàng)傷性肋骨骨折的效能，發(fā)現(xiàn)其具有較高的敏感度，并有望用于急性胸部外傷CT圖像閱片的初篩和風險評估。Olczak等[21]利用深度學習算法模型，在256 000張腕、手和踝關節(jié)的X線圖片上評估是否存在骨折，其檢出骨折的準確率可高達83%， 因此，2018年美國食品藥品監(jiān)督管理局批準了基于該深度學習算法模型的OsteoDetect AI工具應用于臨床。Chung等[22]利用基于卷積神經網(wǎng)絡的深度學習算法模型在1 891張肩關節(jié)X線平片上診斷和分類肱骨近端骨折，結果顯示該模型在肱骨骨折的診斷準確度高達96%，曲線下面積為1.00，并且該模型在診斷肱骨骨折的分類上也顯現(xiàn)出不錯的效能。Pranata等[23]評估了基于卷積神經網(wǎng)絡架構的殘差網(wǎng)絡在CT圖像上自動診斷和分類跟骨骨折的效果， 結果表明其在跟骨骨折分類上的準確率為98 %。Lindsey等[24]構建了一種識別有無骨折并標識出可疑骨折范圍的深度學習算法模型,結果顯示該模型在識別骨折及標注骨折范圍時的敏感度高達93.9%，特異度可達94.5%，該模型輔助骨折閱片可使誤診率下降47%。Cheng等[25]發(fā)現(xiàn)，深度卷積神經網(wǎng)絡能在骨盆X線圖片中準確檢出及定位髖部骨折。

對于大多數(shù)股骨頸骨折患者而言，手術治療是首選治療方案[26]。置入空心螺釘內固定和全髖關節(jié)置換術(total hip arthroplasty,THA)是目前手術治療股骨頸骨折的兩種主流方案。楊琨等[27]的研究顯示，采用人工智能手術機器人輔助股骨頸骨折空心釘內固定術治療股骨頸骨折患者，可提高手術安全性，并減少手術對患者的損害。崔可賾等[28]回顧分析了17例MaKo機器人輔助下行THA術治療的股骨頸骨折患者的臨床資料，發(fā)現(xiàn)其假體置入更精準，術后復查提示假體位置良好，患者雙下肢長度差異小，手術效果良好。張紀等[29]和吾湖孜·吾拉木等[30]亦探討了采用MaKo機器人輔助性THA術治療股骨頸骨折患者的臨床療效，結果表明在機器人輔助下假體置入的準確性和手術安全性均得到提高,且可減少患者術后雙下肢長度差，具有良好的早期療效。吳東等[31]發(fā)現(xiàn)，將基于深度學習算法的 AIHIP系統(tǒng)用于THA術前規(guī)劃，相比于傳統(tǒng)方法，其髖臼側、股骨側假體完全符合率更高，其雙側聯(lián)合偏心距差值更小。股骨近端防旋髓內釘內固定術是目前公認的對粗隆間骨折治療效果極佳的手術方案。洪石等[32]發(fā)現(xiàn)，相比于傳統(tǒng)采用X線透視下進行定位，采用人工智能手術機器人輔助股骨近端防旋髓內釘內固定術治療股骨粗隆間骨折的操作簡單,極大提高了主釘置入的準確率,減少X線透視次數(shù)和輻射量,縮短有創(chuàng)操作時間,治療效果滿意。經皮通道螺釘內固定術是目前手術治療骨盆骨折的主流術式[33]。趙春鵬等[34]比較了人工智能手術機器人輔助與X線透視引導輔助治療的12例骨盆骨折患者的臨床資料,結果顯示人工智能手術機器人輔助下螺釘置入的準確率更高，螺釘置入所需透視時間更少，且螺釘調整次數(shù)更短。劉華水等[35]發(fā)現(xiàn)，第三代骨科人工智能手術機器人TiRobot輔助螺釘置入術治療骨盆骨折，具有精準定位、穩(wěn)定導航、手術創(chuàng)傷小等優(yōu)點。王天龍等[36]和楊成志等[37]的研究亦證實了采用人工智能手術機器人輔助治療骨盆骨折較“O”型臂X線導航更具優(yōu)勢。

2.2 骨關節(jié)病的診斷與治療 人工智能技術在骨關節(jié)病的影像學診斷中展示出良好的效果。Xue等[38]探討深度學習算法在髖關節(jié)骨性關節(jié)炎中的診斷價值，結果顯示該模型診斷髖關節(jié)骨性關節(jié)炎的靈敏度為95.0%，特異度為90.7%，準確率為92.9%，具有較好的診斷價值，表明基于深度學習算法在智能醫(yī)學影像學診斷實踐領域具有廣闊的應用前景。有研究表明,基于卷積神經網(wǎng)絡的熱力圖可在膝關節(jié)正位片標識出可疑骨贅,結合Kellgren-Lawrence評分標準可提高膝關節(jié)骨性關節(jié)炎診斷的準確率[39]。Pedoia等[40]應用基于卷積神經網(wǎng)絡的DenseNet模型檢測軟骨異常并診斷骨關節(jié)炎,其曲線下面積為0.83，靈敏度為76.99%，特異度為77.94%，提示該模型在骨性關節(jié)炎診斷方面具有一定的應用價值。

目前人工智能技術在手術治療骨關節(jié)病方面的應用主要為人工智能手術機器人輔助關節(jié)置換術。郭人文等[41]回顧性分析采用MaKo機器人輔助THA治療股骨頭壞死患者的近期臨床療效，發(fā)現(xiàn)采用MaKo機器人輔助THA治療股骨頭壞死較常規(guī)THA手術具有更高的精準性和穩(wěn)定性,患者術后股骨頭前傾角更好,下肢長度差和髖關節(jié)偏心距差更小。任興宇等[42]的Meta分析表明，人工智能手術機器人輔助單髁置換術在組件置入準確性、術后脛骨后傾角、術后翻修率等方面均優(yōu)于傳統(tǒng)置換手術方法。有學者發(fā)現(xiàn)，人工智能手術機器人輔助全膝關節(jié)置換術能提高術中截骨、假體安放位置的準確性，以及下肢力線的精準度,減輕患者疼痛癥狀，早期療效滿意[43-45]。研究表明，與傳統(tǒng)手術相比，MaKo機器人輔助THA可以提高髖臼杯植入的準確性和安全性，術后短期臨床效果更佳[46]，但其長期療效還需要進一步研究證實。但也有研究表明，人工智能骨科手術機器人輔助THA雖然可以提高髖臼杯植入的準確性，但在術后短期功能恢復、下肢長度差異的糾正或術后并發(fā)癥方面與傳統(tǒng)THA手術并無顯著差異[47-48]。

2.3 脊柱疾病的診斷與治療 腰椎退行性疾病是臨床上常見的脊柱疾病之一。2016年，Liao等[49]利用深度學習算法對腰椎CT圖片進行腰椎滑脫的診斷和分期，發(fā)現(xiàn)其診斷效能與放射科醫(yī)師的閱片水平相似。2017年，Jamaludin等[50]基于卷積神經網(wǎng)絡框架技術開發(fā)了一套SpineNet系統(tǒng)，其可在MRI圖像上對腰椎進行Pfirrmann評分,在判斷有無椎間盤狹窄、上/下終板缺損、上/下骨髓改變、腰椎滑脫和中央管狹窄方面的準確率達95.6%，并且該系統(tǒng)在預測多種腰椎退行性改變的病理分級上與影像學醫(yī)師的閱片水平相當。2018年，Han等[51]提出了一種深度、多尺度、多任務學習網(wǎng)絡，可提高椎間孔狹窄、椎管狹窄的診斷準確率。

經皮椎體后凸成形術(percutaneous kypho plasty,PKP)、經皮椎體成形術(percutaneous vertebro plasty ，PVP)是目前治療骨質疏松性椎體壓縮性骨折的常用微創(chuàng)手術方法[52]，穿刺精準度、X線透視次數(shù)、X線透視劑量、骨水泥側漏發(fā)生率等是這兩種術式值得關注的問題。有研究表明，采用人工智能骨科手術機器人輔助行PKP及PVP，可縮短手術時間,提高穿刺精準度,減少X線透視次數(shù)及透視劑量,降低骨水泥滲漏發(fā)生率,獲得更優(yōu)的骨水泥分布情況[53-54]。經皮微創(chuàng)椎弓根螺釘內固定術是治療胸腰椎骨折的主要術式之一。袁春明等[55]對比了人工智能手術機器人輔助與徒手行椎弓根螺釘內固定術治療胸腰椎骨折的效果，結果表明采用人工智能手術機器人輔助經皮椎弓根螺釘內固定術可取得更好的療效。田偉等[56]回顧性分析40例行椎弓根螺釘內固定手術的患者的臨床資料，發(fā)現(xiàn)相較于傳統(tǒng)X線透視引導，采用天璣手術機器人輔助進行手術,可在不增加手術時間和術后并發(fā)癥發(fā)生率的前提下顯著提高椎弓根螺釘內固定術的精準度和安全性。肖宇等[57]和劉剛等[58]發(fā)現(xiàn)，采用人工智能手術機器人輔助微創(chuàng)經皮椎弓根螺釘固定治療胸腰椎骨折可獲得滿意的臨床效果，相較于傳統(tǒng)手術,其手術時間更短、置釘精準度更高、射線暴露量及術中創(chuàng)傷更少。微創(chuàng)經椎間孔腰椎體間融合術已逐漸成為腰椎退行性疾病手術治療的主流方法[59]。崔冠宇等[60]比較采用人工智能手術機器人輔助微創(chuàng)經椎間孔腰椎椎體間融合術與傳統(tǒng)開放經椎間孔腰椎椎體間融合術治療Ⅰ、Ⅱ度單節(jié)段腰椎滑脫癥的療效，發(fā)生人工智能手術機器人輔助微創(chuàng)經椎間孔腰椎椎體間融合術手術治療腰椎滑脫癥時術中螺釘置入精準度更高，術中創(chuàng)傷更小,術后恢復更快。還有研究表明，采用人工智能手術機器人輔助微創(chuàng)經椎間孔腰椎椎體間融合術手術治療腰椎退行性疾病患者，可減少手術創(chuàng)傷,提高臨床療效[61-63]。

2.4 骨腫瘤的診斷與治療 脊柱是惡性腫瘤骨轉移最常發(fā)生的部位之一,約30%～70%惡性腫瘤患者會出現(xiàn)脊柱轉移,使得患者疾病進展加快、預后變差[64]。Burns等[65]設計了一套計算機輔助診斷系統(tǒng)(computer aided diagnosis,CAD)并將其用于診斷胸腰椎硬化性轉移瘤，結果顯示該系統(tǒng)可成功識別CT圖像上胸腰椎的硬化轉移瘤病灶，且有較高的靈敏度。O′Connor等[66]對CAD系統(tǒng)應用于輔助CT檢測胸腰椎脊柱溶解病變的效果進行評估，結果顯示該CAD系統(tǒng)可成功識別胸腰椎可能的溶骨性轉移性瘤。Wang等[67]利用深度學習算法實現(xiàn)了在MRI圖像中自動識別脊柱轉移瘤。

PKP和PVP均是用于治療椎體轉移瘤引起的難治性疼痛的微創(chuàng)手術方法,是姑息治療晚期脊柱轉移瘤的主要手段[68]。林書等[69]回顧分析接受人工智能機器人輔助PKP(機器人組)和傳統(tǒng)透視下PKP(傳統(tǒng)透視組)治療的脊柱轉移瘤患者的臨床資料,發(fā)現(xiàn)機器人組的手術時間、X線透視次數(shù)更少,骨水泥滲漏率、椎弓根突破率更低，提示采用機器人輔助PKP治療脊柱轉移瘤更具優(yōu)勢。俞陽等[70]發(fā)現(xiàn)與傳統(tǒng)PVP相比，人工智能機器人輔助PVP可提高穿刺精準度，減少手術損傷，降低骨水泥側漏風險。目前有關人工智能技術輔助診斷與治療骨科腫瘤的研究相對較少，這將是今后研究的方向。

3 小結與展望

人工智能與骨科學的學科融合給骨科疾病的診斷及治療帶來就巨大的變革，深度學習算法與肌骨影像學圖像的結合，可更好地輔助骨科疾病的診斷，提高診斷效率和準確性；人工智能機器人輔助手術治療，可提高手術的安全性、精準性及術后效果?？傊斯ぶ悄芗夹g的應用可提高骨科醫(yī)療水平和服務效率。但人工智能技術在骨科的應用還不成熟，目前面臨幾個突出的問題：(1)骨科疾病種類較多，人工智能技術在骨科領域的應用面仍較窄，相關研究依然較少；(2)人工智能輔助骨科影像學診斷的發(fā)展，尚需要一個數(shù)據(jù)來源可靠、功能強大、信息共享的骨科影像學數(shù)據(jù)平臺；(3)人工智能技術在臨床的應用過程中存在不容忽視的倫理問題，主要是個人信息的安全性、隱私性、醫(yī)療資源分配的公平性，以及醫(yī)療事故的責任歸屬問題等；(4)目前，我國還未形成關于人工智能與骨科醫(yī)療的跨學科復合型人才培養(yǎng)體系，研發(fā)骨科人工智能技術的多為人工智能單學科專家，缺少人工智能與骨科醫(yī)療復合型專家，導致兩個學科融合發(fā)展速度受限，甚至有可能出現(xiàn)人工智能發(fā)展方向與骨科臨床應用脫節(jié)的現(xiàn)象。

隨著5G時代的來臨，以及人工智能發(fā)展理念漸入人心，搭建智能醫(yī)學數(shù)據(jù)平臺的需求日漸增多，開發(fā)骨科醫(yī)學影像數(shù)據(jù)平臺以更好地服務于骨科疾病診治是大勢所趨。相信在人工智能技術發(fā)展規(guī)劃下，人工智能技術應用于骨科臨床診療的倫理問題將得到有效解決。今后應加強跨學科通力合作、多學科交融、建立培養(yǎng)人工智能與醫(yī)療復合型人才教育體系，促使人工智能技術能夠更廣泛地應用于骨科疾病的診治。同時，人工智能與骨科學的融合發(fā)展將改變傳統(tǒng)的骨科疾病的診療模式，推動骨科學的發(fā)展與進步，最終提高骨科診療水平和服務質量，使廣大患者受益。