基于人工智能的THA術(shù)前規(guī)劃模型的臨床應(yīng)用研究＊

楊 豪，李森磊，陳 龍，張逸凌，孫 立

(1.貴州大學(xué)醫(yī)學(xué)院，貴州 貴陽(yáng) 550025；2.貴州省人民醫(yī)院骨科；3.北京長(zhǎng)木谷醫(yī)療科技有限公司)

0 引言

每年有近百萬(wàn)人行全髖關(guān)節(jié)置換術(shù)（Total hip arthroplasty，THA）（手術(shù)過(guò)程如圖1），而手術(shù)成功的關(guān)鍵之一在于假體型號(hào)和大小的選擇。伴隨著大數(shù)據(jù)時(shí)代的到來(lái)，以及計(jì)算機(jī)技術(shù)、影像學(xué)、醫(yī)學(xué)的高速發(fā)展和交叉融合，給外科醫(yī)師帶來(lái)了新的技術(shù)手段。有學(xué)者使用計(jì)算機(jī)圖形處理軟件，將患者X 光片導(dǎo)入計(jì)算機(jī)，使用二維數(shù)據(jù)庫(kù)模板比對(duì)測(cè)量從而進(jìn)行術(shù)前規(guī)劃（如圖2）。也有學(xué)者將CT 數(shù)據(jù)三維重建后進(jìn)行3D打印，在模型上進(jìn)行術(shù)前規(guī)劃和模擬。但是前者受X光片放大比例影響，準(zhǔn)確率差；后者需要醫(yī)師手動(dòng)分割，耗時(shí)長(zhǎng)、難度大。所以我們希望有一種可以自動(dòng)規(guī)劃患者患側(cè)假體大小和型號(hào)的算法模型出現(xiàn)，并且驗(yàn)證其在臨床中的可行性與有效性。

圖1 全髖關(guān)節(jié)置換術(shù)手術(shù)過(guò)程

圖2 數(shù)字模板規(guī)劃過(guò)程

1 概述

THA 已經(jīng)是十分成熟有效地治療終末期髖關(guān)節(jié)疾病的手術(shù)方式，它可以有效減輕患者關(guān)節(jié)疼痛，改善髖關(guān)節(jié)功能。但是假體選擇不準(zhǔn)確會(huì)使得術(shù)后易出現(xiàn)并發(fā)癥，如關(guān)節(jié)不穩(wěn)和假體松動(dòng)。

目前國(guó)內(nèi)外多用數(shù)字模板進(jìn)行術(shù)前規(guī)劃選擇假體，即在計(jì)算機(jī)中測(cè)量二維X光片放大比例，計(jì)算解剖標(biāo)志點(diǎn)之間的距離，然后在提前建立的假體模板庫(kù)中根據(jù)醫(yī)師經(jīng)驗(yàn)進(jìn)行覆蓋測(cè)量。該方法雖然簡(jiǎn)單，但是髖關(guān)節(jié)疾病患者多伴有病因多樣化的特點(diǎn)同時(shí)受光片放大比例影響，因此規(guī)劃效率低，準(zhǔn)確率為40%-80%。為了提高術(shù)前規(guī)劃的準(zhǔn)確率，醫(yī)師和工程師發(fā)現(xiàn)深度學(xué)習(xí)和三維重建技術(shù)非常適合數(shù)字骨科學(xué)。深度學(xué)習(xí)技術(shù)是深度模擬人大腦的構(gòu)成，在視覺(jué)上突破原有機(jī)器學(xué)習(xí)技術(shù)的界限。三維重建是將患者CT信息從二維平片重建為三維模型，醫(yī)師可以在三維視圖下進(jìn)行術(shù)前規(guī)劃或是模擬操作。國(guó)外工程師使用MIMICS（Materialise’s interactive medical image control system）工程模塊進(jìn)行人為分割和髖關(guān)節(jié)三維重建，然后規(guī)劃選擇假體，準(zhǔn)確率可達(dá)90%。這兩種術(shù)前規(guī)劃手段仍由醫(yī)師進(jìn)行手動(dòng)分割，有操作復(fù)雜、耗時(shí)長(zhǎng)、費(fèi)用高昂等弊端，無(wú)法大規(guī)模推廣和應(yīng)用。

因此，我們希望有一種算法模型可以精確識(shí)別髖關(guān)節(jié)解剖標(biāo)志點(diǎn)，自動(dòng)重建三維模型，同時(shí)智能植入合適型號(hào)的假體。

2 目標(biāo)

本次研究旨在探索大樣本下三種常見(jiàn)髖關(guān)節(jié)疾?。ü晒穷i骨折、股骨頭缺血性壞死、發(fā)育性髖關(guān)節(jié)發(fā)育不良（Developmental dysplasia of the hip，DDH)通過(guò)基于人工智能算法的術(shù)前規(guī)劃同數(shù)字模板法規(guī)劃后行THA 的準(zhǔn)確性（假體規(guī)劃和實(shí)際植入的比較）、可靠性（不同種病種規(guī)劃的差異）以及有效性（手術(shù)衡量指標(biāo)）。

3 方法

患者納入標(biāo)準(zhǔn)：①所有患者癥狀、體征、影像學(xué)檢查確診，既往均未行患髖部矯形手術(shù)；②髖關(guān)節(jié)疼痛明顯且伴有功能障礙；③經(jīng)過(guò)評(píng)估能夠耐受手術(shù)。

患者排除標(biāo)準(zhǔn)：①患者有影響關(guān)節(jié)活動(dòng)性的非髖關(guān)節(jié)疾??；②患者髖部開(kāi)放性骨折；③不配合隨訪的患者。

研究疾病類型：股骨頸骨折（對(duì)照組52例、實(shí)驗(yàn)組53 例）；股骨頭缺血性壞死（對(duì)照組59 例、實(shí)驗(yàn)組54例）；DDH（對(duì)照組57例、實(shí)驗(yàn)組55例）。

3.1 對(duì)照組

使用貴州省人民醫(yī)院骨科自主研發(fā)的數(shù)字模板規(guī)劃軟件（版本1.0），術(shù)前拍攝標(biāo)準(zhǔn)盆骨正位片、雙下肢全長(zhǎng)片、側(cè)位片等。拍攝時(shí)取仰臥位，患者在大腿根部?jī)?nèi)側(cè)粘貼已知直徑為51.90mm 的鋼球作為標(biāo)志物，用以計(jì)算光片比例因子（比例因子=鋼球?qū)嶋H測(cè)量直徑/X光片上測(cè)量所得鋼球直徑）。規(guī)劃時(shí)，髖臼模板緊貼髖臼內(nèi)壁，股骨柄假體最大程度覆蓋股骨髓腔，醫(yī)師根據(jù)患者骨質(zhì)情況和經(jīng)驗(yàn)選擇假體類型。同時(shí)醫(yī)師在考慮生物力學(xué)的基礎(chǔ)上使得假體在Lewinneck安全區(qū)內(nèi)，數(shù)字模板規(guī)劃過(guò)程（如圖2）。

該方法的缺點(diǎn)：①每次設(shè)備和患者之間的距離會(huì)有差異，導(dǎo)致放大比例有誤差；②在拍攝髖關(guān)節(jié)正位片時(shí)，理論上患者腳尖內(nèi)旋30°，實(shí)際上不同患者內(nèi)旋角度不會(huì)是標(biāo)準(zhǔn)的角度；③髖關(guān)節(jié)作為復(fù)雜的球窩狀關(guān)節(jié)，假體的空間立體屬性無(wú)法在二維X 光片上得到精確體現(xiàn)。

3.2 實(shí)驗(yàn)組

3.2.1 人工智能術(shù)前規(guī)劃方式模型建立（如圖3）

圖3 人工智能算法模型的建立

在MIMICS 的基礎(chǔ)上，熟練醫(yī)師進(jìn)行手動(dòng)分割和標(biāo)注（將典型疾病進(jìn)行分類），把規(guī)劃結(jié)果反復(fù)核驗(yàn)。然后做深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)分割：使用G-net 人工智能神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)（主結(jié)構(gòu)：2D dense-unet（在unut模型基礎(chǔ)上引入denseblock結(jié)構(gòu)））（如圖4所示）。建立假體數(shù)據(jù)庫(kù)：將常用的不同尺寸以及型號(hào)的髖臼杯、股骨柄假體進(jìn)行掃描重建。在已經(jīng)學(xué)習(xí)好的模型中，可以精確識(shí)別并且分割股骨和髖臼位置從而計(jì)算不同解剖標(biāo)志點(diǎn)之間的距離差，自動(dòng)匹配合適假體。最后建立交互式頁(yè)面給醫(yī)師進(jìn)行調(diào)整優(yōu)化選擇。

圖4 G-net人工智能神經(jīng)網(wǎng)絡(luò)

目前國(guó)內(nèi)外研究都未驗(yàn)證相關(guān)模型在大樣本下的有效性、在不同髖關(guān)節(jié)疾病中的可重復(fù)性，以及臨床術(shù)中和術(shù)后療效。

3.2.2 規(guī)劃過(guò)程

患者術(shù)前完成層厚為1mmm 的CT 平掃，距離為整個(gè)骨盆+股骨小轉(zhuǎn)子下至少15cm。使用已經(jīng)建立的G-NET 神經(jīng)網(wǎng)絡(luò)算法模型對(duì)患者重建的股骨區(qū)域進(jìn)行分割和解剖標(biāo)志點(diǎn)識(shí)別，通過(guò)區(qū)域增長(zhǎng)和圖像增強(qiáng)將股骨和骨盆做分離處理，通過(guò)點(diǎn)對(duì)點(diǎn)識(shí)別算法自動(dòng)計(jì)算解剖標(biāo)志點(diǎn)之間的相對(duì)位置（如圖5），再根據(jù)算法模型規(guī)劃出合理型號(hào)的髖臼杯、內(nèi)襯、球頭、股骨柄以及放置角度和位置（如圖6）。醫(yī)師可以根據(jù)患者相關(guān)檢測(cè)報(bào)告，再結(jié)合患者實(shí)際情況做出調(diào)整，醫(yī)師也可以觀察到術(shù)前重建和模擬手術(shù)的患者冠狀面、矢狀面、橫切面視圖。

圖5 自動(dòng)識(shí)別標(biāo)志點(diǎn)和重建

圖6 智能植入假體

術(shù)前記錄兩組規(guī)劃方式的假體信息；術(shù)中對(duì)照組和實(shí)驗(yàn)組采用同一組手術(shù)醫(yī)師和同一公司假體；記錄手術(shù)時(shí)間、患者出血量（出血量計(jì)算＝吸引器吸出血液量+帶血紗布重量-紗布初始重量）、實(shí)際假體型號(hào)；術(shù)后記錄患者住院天數(shù)（住院天數(shù)＝自手術(shù)日起至辦理出院間隔天數(shù)）。

此項(xiàng)研究已經(jīng)經(jīng)過(guò)貴州省人民醫(yī)院倫理委員會(huì)批準(zhǔn)。（倫審（科研2021-70號(hào)））

4 統(tǒng)計(jì)學(xué)分析和臨床結(jié)果分析

4.1 統(tǒng)計(jì)學(xué)分析

根據(jù)表1：對(duì)照組規(guī)劃準(zhǔn)確率在56.14%-78.84%，實(shí)驗(yàn)組規(guī)劃準(zhǔn)確率在85.45%-94.34%。所有髖臼杯、股骨柄假體對(duì)照組和實(shí)驗(yàn)組的準(zhǔn)確率差異具有統(tǒng)計(jì)學(xué)意義（＜0.05）。根據(jù)表2：手術(shù)時(shí)間、術(shù)中出血量、住院時(shí)間數(shù)據(jù)，實(shí)驗(yàn)組優(yōu)于對(duì)照組，差異均有統(tǒng)計(jì)學(xué)意義（＜0.05）。

表1 對(duì)照組和實(shí)驗(yàn)組規(guī)劃結(jié)果比較

表2 手術(shù)指標(biāo)

4.2 結(jié)果分析

使用人工智能規(guī)劃的實(shí)驗(yàn)組，無(wú)論是髖臼杯還是股骨柄規(guī)劃，準(zhǔn)確率都顯著高于傳統(tǒng)數(shù)字模板規(guī)劃的對(duì)照組，平均準(zhǔn)確率為90.46% 遠(yuǎn)高于對(duì)照組的65.06%。這考慮是因?yàn)槿N疾病在基于人工智能的術(shù)前規(guī)劃手段下，通過(guò)三維重建，能夠清晰地觀察到股骨情況和髖臼解剖標(biāo)志點(diǎn)，有效的避免圖像模糊帶來(lái)的影響，同時(shí)又由于智能植入假體，避免了不同經(jīng)驗(yàn)醫(yī)師考量不周帶來(lái)的影響。

DDH組對(duì)照組和實(shí)驗(yàn)組的準(zhǔn)確率差異為29.41%，最為明顯，考慮原因：DDH 患者關(guān)節(jié)畸形多變而且極其復(fù)雜。如果按照傳統(tǒng)數(shù)字模板規(guī)劃，磨挫不夠則無(wú)法取得足夠初始穩(wěn)定性；磨挫較深則容易磨穿前后壁。DDH 患者多骨質(zhì)情況差，植入股骨柄過(guò)小會(huì)造成假體松動(dòng)，植入假體過(guò)大則術(shù)中易撐破髓腔，大幅度增加手術(shù)難度和失敗的可能性。人工智能規(guī)劃算法模型能很好的解決上述問(wèn)題，醫(yī)師可從不同角度觀察植入假體情況和前后壁厚度，最大程度地降低手術(shù)難度。實(shí)驗(yàn)組股骨柄規(guī)劃準(zhǔn)確率普遍較高，考慮原因：三維立體圖像中髓腔清晰呈現(xiàn)并且算法會(huì)自動(dòng)根據(jù)解剖標(biāo)志點(diǎn)計(jì)算相對(duì)距離，植入精確假體，避免數(shù)字模板放大比例帶來(lái)的負(fù)面影響。實(shí)驗(yàn)組療效（手術(shù)時(shí)間、術(shù)中出血量、住院天數(shù)）優(yōu)于對(duì)照組，考慮原因有：精確的術(shù)前規(guī)劃，減少術(shù)中磨挫次數(shù)和假體適配時(shí)間，減少了術(shù)中出血量。精確手術(shù)使得患者術(shù)后療效更好，所以相對(duì)減少住院時(shí)間。

熟練掌握數(shù)字模板規(guī)劃需要15分鐘左右，其需要手動(dòng)分割、針對(duì)復(fù)雜案例無(wú)法實(shí)現(xiàn)個(gè)性化規(guī)劃。而人工智能算法規(guī)劃平均耗時(shí)為5 分鐘，這大大提升了規(guī)劃速度。即使是復(fù)雜案例如股骨頭缺血性壞死患者Ⅳ期或DDH 患者，實(shí)驗(yàn)組規(guī)劃準(zhǔn)確率也遠(yuǎn)高于對(duì)照組，這提示我們：基于人工智能的算法模型非常適合復(fù)雜案例的術(shù)前規(guī)劃。

本次研究發(fā)現(xiàn)基于深度學(xué)習(xí)的人工智能髖關(guān)節(jié)算法模型有以下優(yōu)點(diǎn)。①?gòu)乃惴ǚ矫婢哂械膬?yōu)越性：基于深度學(xué)習(xí)的人工智能算法對(duì)骨骼骨塊能夠?qū)崿F(xiàn)精準(zhǔn)分割，本次實(shí)驗(yàn)組驗(yàn)證了這一點(diǎn)，同時(shí)發(fā)現(xiàn)原本CT 信息中無(wú)法被人眼識(shí)別的信號(hào)經(jīng)過(guò)人工智能三維重建后能夠得以清晰呈現(xiàn)所以規(guī)劃準(zhǔn)確率得到了極大的提升；②基于人工智能算法模型使得髖關(guān)節(jié)的空間立體屬性得到體現(xiàn)，相較于傳統(tǒng)方法其不但能夠展示髖關(guān)節(jié)的前傾角、外展角、髖臼前后壁骨，而且能夠使醫(yī)師從不同考量進(jìn)行模擬試錯(cuò)，從而提升手術(shù)療效；③從規(guī)劃速度而言：人工智能術(shù)前規(guī)劃平均耗時(shí)僅為5分鐘，速度更快效率更高。

本次實(shí)驗(yàn)證明了人工智能規(guī)劃方式在大樣本下的有效性和其規(guī)劃不同疾病的可靠性，但是研究也有著以下不足：①只探討了三種常見(jiàn)髖關(guān)節(jié)疾病，而強(qiáng)直性脊柱炎、風(fēng)濕性關(guān)節(jié)炎、類風(fēng)濕性關(guān)節(jié)炎等復(fù)雜案例未進(jìn)行詳細(xì)討論和實(shí)驗(yàn)；②由于人工智能術(shù)前規(guī)劃剛應(yīng)用于臨床，患者多年后假體松動(dòng)率以及假體脫落率等還未研究；③本次實(shí)驗(yàn)的人工智能算法模型研究對(duì)象都為初次髖關(guān)節(jié)置換，而髖關(guān)節(jié)翻修術(shù)、髖臼缺損嚴(yán)重等未進(jìn)行研究。

5 結(jié)束語(yǔ)

由于臨床醫(yī)學(xué)中人體和髖關(guān)節(jié)疾病的復(fù)雜性、不可預(yù)測(cè)性，所以獲得的數(shù)據(jù)信息以及信號(hào)表達(dá)、決策等諸多方面都有著極其復(fù)雜的非線性關(guān)系，因此關(guān)節(jié)外科的術(shù)前規(guī)劃非常適合人工智能的應(yīng)用。隨著“人工智能”、“醫(yī)工結(jié)合”、“智慧醫(yī)療”的交叉融合，臨床醫(yī)師越發(fā)感受到數(shù)字化的優(yōu)勢(shì)，通過(guò)智能化手段可以提高行全髖關(guān)節(jié)置換術(shù)的假體選擇準(zhǔn)確率、減少年輕醫(yī)師的學(xué)習(xí)曲線、降低手術(shù)難度、使得手術(shù)更加順利和成功，這也將是未來(lái)醫(yī)學(xué)發(fā)展的重要趨勢(shì)。