人工智能在骨科手術(shù)機(jī)器人中的應(yīng)用與展望

高宇，翟吉良，丁大偉，趙宇

1956年，“人工智能（artificial intelligence,AI）”術(shù)語(yǔ)由約翰·麥卡錫（John McCarthy）首次提出[1]，這標(biāo)志著AI 學(xué)科的誕生。21 世紀(jì)初，隨著計(jì)算機(jī)圖形處理單元（graphic processing unit,GPU）的普及與數(shù)據(jù)儲(chǔ)存容量的無(wú)限擴(kuò)展，AI 得以前所未有的快速發(fā)展[2]。到目前為止，AI作為計(jì)算機(jī)學(xué)科的一個(gè)分支，是一門涉及信息學(xué)、邏輯學(xué)、認(rèn)知學(xué)、心理學(xué)、腦科學(xué)、生物學(xué)等多學(xué)科交叉的綜合型技術(shù)學(xué)科。隨著機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的發(fā)展，AI技術(shù)已廣泛應(yīng)用于教育、工業(yè)、商業(yè)、醫(yī)療等領(lǐng)域，為人類帶來(lái)了巨大的經(jīng)濟(jì)效益和社會(huì)效益，極大促進(jìn)了社會(huì)的發(fā)展，有效提高了人們的生活水平與生活質(zhì)量。機(jī)器學(xué)習(xí)與深度學(xué)習(xí)作為AI的重要研究方向，在醫(yī)療領(lǐng)域得以廣泛應(yīng)用，促進(jìn)了疾病的智能診斷、治療與預(yù)后[3,4]。

骨科手術(shù)是典型的硬組織操作手術(shù)，術(shù)式復(fù)雜多樣，手術(shù)風(fēng)險(xiǎn)大，對(duì)醫(yī)師臨床經(jīng)驗(yàn)要求高，在傳統(tǒng)手術(shù)條件下具有創(chuàng)傷大、輻射量高、手術(shù)時(shí)間長(zhǎng)及術(shù)后恢復(fù)慢等問(wèn)題[5]。隨著導(dǎo)航技術(shù)與機(jī)器人技術(shù)的不斷創(chuàng)新與發(fā)展，骨科手術(shù)機(jī)器人成為推進(jìn)精準(zhǔn)、微創(chuàng)骨科治療的核心設(shè)備與技術(shù)，并已逐步應(yīng)用于臨床。骨科手術(shù)機(jī)器人與AI結(jié)合，使微創(chuàng)化、智能安全化、精準(zhǔn)化與個(gè)性化疾病治療成為可能，有效彌補(bǔ)了傳統(tǒng)骨科手術(shù)的不足。骨科手術(shù)機(jī)器人根據(jù)機(jī)器人與醫(yī)師之間的關(guān)系及自動(dòng)化程度可分為主動(dòng)型、半主動(dòng)型與被動(dòng)型；根據(jù)現(xiàn)有骨科手術(shù)類別可分為關(guān)節(jié)骨科手術(shù)機(jī)器人、脊柱外科手術(shù)機(jī)器人與創(chuàng)傷骨科手術(shù)機(jī)器人等[6]。

本文概述了當(dāng)前骨科手術(shù)機(jī)器人的應(yīng)用現(xiàn)狀，并詳細(xì)闡述了AI 在關(guān)節(jié)骨科手術(shù)機(jī)器人、脊柱外科手術(shù)機(jī)器人與創(chuàng)傷骨科手術(shù)機(jī)器人的應(yīng)用情況，總結(jié)了當(dāng)前骨科手術(shù)機(jī)器人的不足與發(fā)展趨勢(shì)，有助于相關(guān)研究者對(duì)當(dāng)前骨科手術(shù)機(jī)器人的全面認(rèn)識(shí)與深入了解，進(jìn)而對(duì)未來(lái)的發(fā)展有更清晰的認(rèn)識(shí)。

1 AI在骨科手術(shù)機(jī)器人中的應(yīng)用

設(shè)置（Set-up）、注冊(cè)（Registration）、規(guī)劃（Planning）與執(zhí)行（Execution）是骨科手術(shù)機(jī)器人系統(tǒng)遵循的四個(gè)環(huán)節(jié)。如果存在先驗(yàn)圖像，操作流程為規(guī)劃、設(shè)置、注冊(cè)、執(zhí)行；反之為設(shè)置、注冊(cè)、規(guī)劃、執(zhí)行（圖1）[7]。AI 的機(jī)器學(xué)習(xí)或深度學(xué)習(xí)算法在醫(yī)學(xué)成像分析方面應(yīng)用廣泛[8]。但在骨科手術(shù)中應(yīng)用的文獻(xiàn)尚少[9]，以基于醫(yī)學(xué)成像的術(shù)前診斷與規(guī)劃為主，探討如何借助AI 有效提高手術(shù)的準(zhǔn)確率，避免人為錯(cuò)誤。

1.1 AI在關(guān)節(jié)骨科手術(shù)機(jī)器人中的應(yīng)用

關(guān)節(jié)骨科手術(shù)機(jī)器人主要應(yīng)用于全髖關(guān)節(jié)置換術(shù)（total hip arthroplasty,THA）、全膝關(guān)節(jié)置換術(shù)（total knee arthroplasty,TKA）與單髁關(guān)節(jié)置換術(shù)（unicompartmental knee arthroplasty,UKA）[10]，旨在實(shí)現(xiàn)治療精準(zhǔn)化，提高假體存活率，降低植入物翻修率，改善臨床療效[11]。1992 年研發(fā)的ROBODOC 作為全球首款骨科手術(shù)機(jī)器人，應(yīng)用于THA[12]。此后，隨著科學(xué)技術(shù)的發(fā)展，多款THA 手術(shù)機(jī)器人可供術(shù)者選擇，如CASPAR、ACROBOT 與MAKO 機(jī)器人系統(tǒng)；同時(shí)骨科手術(shù)機(jī)器人也逐步應(yīng)用到TKA，除ROBODOC 與MAKO 機(jī)器人系統(tǒng)外，還有iBlock（原Praxiteles）、Navio FPS與Rosa Knee機(jī)器人系統(tǒng)[13]。

1.1.1 THA術(shù)前規(guī)劃

THA 是治療髖關(guān)節(jié)終末期疾病的最有效術(shù)式，也是醫(yī)學(xué)中最成功的手術(shù)之一[14]。通過(guò)關(guān)節(jié)骨科手術(shù)機(jī)器人治療可提高手術(shù)的精確度，進(jìn)而提高手術(shù)成功率、減少手術(shù)創(chuàng)傷、降低并發(fā)癥發(fā)生率、增加患者滿意度，這些成效均得力于關(guān)節(jié)骨科手術(shù)機(jī)器人的術(shù)前規(guī)劃[15]。

髖關(guān)節(jié)疾病的CT圖像具有明顯特征，通過(guò)深度學(xué)習(xí)算法可以實(shí)現(xiàn)快速、準(zhǔn)確的特征提取，并完成關(guān)節(jié)的智能分割，從而促進(jìn)解剖位點(diǎn)的高精度識(shí)別與所需假體大小及型號(hào)的精準(zhǔn)匹配，以達(dá)到高效而準(zhǔn)確的術(shù)前規(guī)劃。中國(guó)人民解放軍總醫(yī)院第一醫(yī)學(xué)中心骨科首次將基于AI 深度學(xué)習(xí)研發(fā)的一套AI 輔助THA三維規(guī)劃系統(tǒng)AIHIP應(yīng)用于THA術(shù)前規(guī)劃。該系統(tǒng)具有較高的準(zhǔn)確性及可重復(fù)性，關(guān)鍵技術(shù)在于基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)關(guān)節(jié)的精確分割：首先，建立各類髖關(guān)節(jié)疾病的CT圖像數(shù)據(jù)庫(kù)；其次，自主研發(fā)了深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型；最后，基于數(shù)據(jù)庫(kù)分別訓(xùn)練得到不同病種的分割神經(jīng)網(wǎng)絡(luò)模型權(quán)重，以實(shí)現(xiàn)不同類型疾病關(guān)節(jié)的分割。此外，臼杯位置及尺寸也是通過(guò)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)自動(dòng)識(shí)別。臨床驗(yàn)證結(jié)果表明，AIHIP系統(tǒng)有效預(yù)測(cè)了實(shí)際所需假體型號(hào)，術(shù)前計(jì)劃與實(shí)際應(yīng)用的假體匹配率均顯著高于傳統(tǒng)測(cè)量方法[16]。

1.1.2 TKA和UKA的AI輔助與術(shù)前規(guī)劃

TKA 和UKA 是治療膝關(guān)節(jié)炎的最有效手段。與傳統(tǒng)TKA相比，機(jī)器人輔助TKA能提高假體植入物的精確度，減少軟組織損傷，降低術(shù)后疼痛感與全身并發(fā)癥發(fā)生率，從而增加患者滿意度；機(jī)器人輔助UKA 具有更低的并發(fā)癥發(fā)生率，更快的術(shù)后恢復(fù)速度與更自然真實(shí)地感知膝關(guān)節(jié)。但在假體長(zhǎng)期存活率方面，機(jī)器人輔助的TKA和UKA與傳統(tǒng)術(shù)式之間均未發(fā)現(xiàn)統(tǒng)計(jì)學(xué)差異[13,17,18]。隨著AI 的發(fā)展，深度學(xué)習(xí)技術(shù)將繼續(xù)為關(guān)節(jié)骨科手術(shù)機(jī)器人賦能。

AI在TKA和UKA術(shù)前規(guī)劃中的應(yīng)用與THA相同，中國(guó)人民解放軍總醫(yī)院第一醫(yī)學(xué)中心骨科于2020 年首次將AIHIP 系統(tǒng)應(yīng)用于TKA 的術(shù)前規(guī)劃。該系統(tǒng)通過(guò)AI在3 min內(nèi)完成術(shù)前規(guī)劃，使用像素級(jí)的深度學(xué)習(xí)分割網(wǎng)絡(luò)，基于循環(huán)神經(jīng)網(wǎng)絡(luò)的邊緣平滑技術(shù)對(duì)骨塊進(jìn)行精準(zhǔn)分割，運(yùn)用注意力機(jī)制（Attention Mechanism）的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)骨骼關(guān)鍵解剖點(diǎn)位的精確識(shí)別，識(shí)別精度接近毫米級(jí)且具有較高的魯棒性[19]。Kordon 等[20]提出了一個(gè)基于深度學(xué)習(xí)的多任務(wù)堆疊沙漏網(wǎng)絡(luò)（Stacked Hourglass Network）框架，旨在解決膝關(guān)節(jié)手術(shù)前醫(yī)師手動(dòng)規(guī)劃的不一致性與任務(wù)的復(fù)雜性問(wèn)題。該框架實(shí)現(xiàn)了股骨、髕骨、脛骨與腓骨的語(yǔ)義分割，且平均交并比（intersection over union,IOU）分別達(dá)到0.99、0.97、0.98與0.96的分割效果，股骨鉆孔部位的中位定位誤差為1.5 mm。在無(wú)需手動(dòng)校準(zhǔn)的情況下，該框架可達(dá)到專家級(jí)精度的自動(dòng)術(shù)前規(guī)劃。在膝關(guān)節(jié)翻修手術(shù)的術(shù)前規(guī)劃中，高達(dá)10%的假體植入物未能被識(shí)別，為解決該問(wèn)題，Paul 等[21]基于深度卷積神經(jīng)網(wǎng)絡(luò)（deep convolutional neural network,DCNN）提出一個(gè)深度學(xué)習(xí)系統(tǒng)（deep learning system,DLS）。DLS 能自動(dòng)識(shí)別是否存在TKA，其次對(duì)TKA 與UKA 進(jìn)行分類，最后自動(dòng)識(shí)別TKA的兩種植入物模型。

TKA術(shù)中假體植入物的正確定位與多個(gè)變量密切相關(guān)，而這些變量可通過(guò)術(shù)中的骨科手術(shù)機(jī)器人導(dǎo)航系統(tǒng)進(jìn)行控制。目前的導(dǎo)航系統(tǒng)需要額外的骨切口以固定導(dǎo)航系統(tǒng)跟蹤的標(biāo)記，給患者帶來(lái)了額外創(chuàng)傷，同時(shí)也會(huì)干擾到標(biāo)準(zhǔn)的手術(shù)流程。為此，F(xiàn)élix等[22]和Rodrigues 等[23]提出了一種無(wú)標(biāo)記的導(dǎo)航系統(tǒng)，該系統(tǒng)使用深度相機(jī)替代了原導(dǎo)航系統(tǒng)中的光電跟蹤系統(tǒng)，基于深度學(xué)習(xí)與幾何算法實(shí)現(xiàn)骨骼表面的精準(zhǔn)分割，在無(wú)跟蹤標(biāo)記的情況下實(shí)現(xiàn)植入物的精準(zhǔn)定位。Liu 和Baena[24]首次提出了一種在機(jī)器人系統(tǒng)輔助骨科手術(shù)中實(shí)現(xiàn)基于深度成像和深度學(xué)習(xí)的自動(dòng)、無(wú)標(biāo)記配準(zhǔn)與跟蹤方法，該方法消除了機(jī)器人導(dǎo)航系統(tǒng)所需額外標(biāo)記，從而避免對(duì)患者造成額外創(chuàng)傷。

1.2 AI在脊柱外科手術(shù)機(jī)器人中的應(yīng)用

目前，脊柱外科手術(shù)機(jī)器人主要應(yīng)用在脊柱椎弓根螺釘?shù)闹踩?，主要治療脊柱畸形、椎間盤退行性病變、脊柱腫瘤等。與傳統(tǒng)的徒手技術(shù)相比，有研究表明機(jī)器人系統(tǒng)可提高螺釘放置的準(zhǔn)確性與可重復(fù)的一致性、最大限度降低翻修率、減少術(shù)中輻射暴露，手術(shù)時(shí)間更短[25-28]；而較早的一些研究表明兩者放置螺釘?shù)木认嗤?，甚至機(jī)器人輔助的置釘精度更差[29,30]。最近的一項(xiàng)隨機(jī)對(duì)照試驗(yàn)的系統(tǒng)評(píng)價(jià)和薈萃分析中，相比于傳統(tǒng)的徒手技術(shù)，TiRobot、Spine-Assist和Renaissance機(jī)器人系統(tǒng)分別得到更好、更差和相似的椎弓根螺釘放置精度[31]。目前，國(guó)外主流的脊柱機(jī)器人系統(tǒng)為SpineAssist、Renaissance、Mazor X與ROSA，國(guó)內(nèi)主要為北京積水潭醫(yī)院及天智航公司聯(lián)合開發(fā)的天璣脊柱外科手術(shù)機(jī)器人。目前，臨床上的脊柱外科手術(shù)機(jī)器人系統(tǒng)還沒(méi)有真正意義上采用機(jī)器學(xué)習(xí)與深度學(xué)習(xí)技術(shù)，但基于機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的術(shù)前規(guī)劃與診斷、術(shù)中監(jiān)測(cè)已取得一定的進(jìn)展。

頸椎之間的高度相似性可能會(huì)干擾手術(shù)機(jī)器人的自動(dòng)規(guī)劃，為提高頸椎病治療的自動(dòng)化水平，Zhang和Wang[32]提出了一種基于Pointnet++[33]神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的頸椎分割方法。該方法對(duì)分割頸椎圖像具有更好的魯棒性，可以有效分割三維椎體，并使用300 例患者的CT 圖像對(duì)分割模型進(jìn)行訓(xùn)練與測(cè)試，分割精度最高可達(dá)96.15%。針對(duì)成人脊柱畸形（adult spinal deformity,ASD），Lafage等[34]提出一種深度學(xué)習(xí)模型，旨在模擬不同醫(yī)師下端固定椎（upper instrumented vertebra,UIV）的位置規(guī)劃，保證UIV 位置選擇的一致性。機(jī)器學(xué)習(xí)為脊髓型頸椎?。╟ervical spondylotic myelopathy,CSM）的預(yù)測(cè)、診斷和預(yù)后提供了有效的方法。Hopkins等[35]提出了兩種不同神經(jīng)網(wǎng)絡(luò)模型，兩個(gè)模型分別實(shí)現(xiàn)CSM 的診斷與CSM嚴(yán)重程度的預(yù)測(cè)，實(shí)驗(yàn)結(jié)果證明了機(jī)器學(xué)習(xí)在脊柱疾病方面的診斷與預(yù)測(cè)的可行性。隨著內(nèi)窺鏡治療的快速發(fā)展，內(nèi)窺鏡將成為所有脊柱疾病治療可行術(shù)式的選擇[36]。Cho等[37]對(duì)機(jī)器人內(nèi)窺鏡術(shù)式的智能視覺(jué)進(jìn)行初步研究，提出將機(jī)器人技術(shù)與深度學(xué)習(xí)應(yīng)用于內(nèi)窺鏡手術(shù)，并基于RetinaNet[38]和YOLOv2[39]目標(biāo)檢測(cè)算法實(shí)現(xiàn)內(nèi)窺鏡術(shù)中儀器尖端的自動(dòng)檢測(cè)。

1.3 AI在創(chuàng)傷骨科手術(shù)機(jī)器人中的應(yīng)用

創(chuàng)傷骨科手術(shù)機(jī)器人主要應(yīng)用于骨折復(fù)位術(shù)與骨折固定術(shù)，而骨折復(fù)位治療是骨折定位的先前步驟。機(jī)器人輔助骨折定位主要實(shí)現(xiàn)定位功能，與輔助關(guān)節(jié)置換、脊柱椎弓根螺釘置入的機(jī)器人類似[5]。機(jī)器人輔助骨折復(fù)位旨在實(shí)現(xiàn)操作空間大、操作簡(jiǎn)單、二次創(chuàng)傷小、精準(zhǔn)度高及安全性高的解剖復(fù)位。目前已有的代表性創(chuàng)傷骨科手術(shù)機(jī)器人包括德國(guó)漢諾威大學(xué)研制的骨折復(fù)位機(jī)器人系統(tǒng)、日本東京大學(xué)研制的骨折復(fù)位機(jī)器人系統(tǒng)、哈爾濱工業(yè)大學(xué)研制的骨干骨折復(fù)位6-PTRT 型并聯(lián)機(jī)器人系統(tǒng)、北京航空航天大學(xué)研制的股骨干骨折復(fù)位雙平面導(dǎo)航機(jī)器人系統(tǒng)與中國(guó)人民解放軍總醫(yī)院研制的長(zhǎng)骨骨折復(fù)位機(jī)器人系統(tǒng)[6]。與關(guān)節(jié)骨科手術(shù)機(jī)器人和脊柱外科手術(shù)機(jī)器人相比，創(chuàng)傷骨科手術(shù)機(jī)器人相對(duì)發(fā)展緩慢，其次骨折手術(shù)類型多樣，手術(shù)要求復(fù)雜，現(xiàn)有的創(chuàng)傷骨科手術(shù)機(jī)器人均未實(shí)現(xiàn)真正意義上的臨床應(yīng)用[40]。盡管目前的創(chuàng)傷骨科手術(shù)機(jī)器人技術(shù)離臨床應(yīng)用的要求還有很長(zhǎng)的一段距離，但AI 技術(shù)應(yīng)用于創(chuàng)傷骨科的研究已開展，為今后實(shí)現(xiàn)精準(zhǔn)化、智能化、個(gè)性化的機(jī)器人輔助手術(shù)打下基礎(chǔ)。

基于最優(yōu)分類樹的機(jī)器學(xué)習(xí)方法，Bertsimas等[41]構(gòu)建了一個(gè)臨床決策模型以預(yù)測(cè)兒科頸椎損傷（cervical spine injuries,CSI）。該模型在既有數(shù)據(jù)集上的敏感性為93.3%，特異性為82.3%，相比于其他機(jī)器學(xué)習(xí)方法與現(xiàn)有臨床決策規(guī)則具有較好的性能與更大的臨床應(yīng)用潛力。骨質(zhì)疏松性椎體骨折（osteoporotic vertebral fracture,OVF）的準(zhǔn)確診斷有利于改善臨床療效。Yabu 等[42]通過(guò)9 種卷積神經(jīng)網(wǎng)絡(luò)的組合模型來(lái)檢測(cè)新鮮的OVF，最后得到最優(yōu)模型組合（VGG16、VGG19、DenseNet201 和ResNet50）的受試者操作特征（receiver operating characteristi,ROC）曲線下面積（area under curve,AUC）為0.949，研究結(jié)果表明基于卷積神經(jīng)網(wǎng)絡(luò)的診斷模型與脊柱外科醫(yī)師的性能相當(dāng)。

2 AI在骨科機(jī)器人中的展望

AI在醫(yī)療上的應(yīng)用主要體現(xiàn)在基于傳統(tǒng)機(jī)器學(xué)習(xí)或深度學(xué)習(xí)的疾病智能診斷、治療與預(yù)后，而在骨科手術(shù)機(jī)器人中的應(yīng)用較少。目前，AI 主要應(yīng)用于骨科手術(shù)機(jī)器人的規(guī)劃環(huán)節(jié)，與執(zhí)行環(huán)節(jié)導(dǎo)航技術(shù)相關(guān)文獻(xiàn)較少[22-24]。AIHIP系統(tǒng)是唯一真正意義上實(shí)現(xiàn)AI 用于臨床的骨科手術(shù)機(jī)器人。此外，關(guān)節(jié)骨科手術(shù)機(jī)器人與脊柱外科手術(shù)機(jī)器人已實(shí)現(xiàn)臨床應(yīng)用，創(chuàng)傷骨科手術(shù)機(jī)器人至今未達(dá)到臨床應(yīng)用的要求。綜上，骨科手術(shù)機(jī)器人特別是創(chuàng)傷骨科手術(shù)機(jī)器人與AI的結(jié)合依然存在很大的發(fā)展空間。

AI與機(jī)器人技術(shù)的結(jié)合是發(fā)展的必然趨勢(shì)。當(dāng)前骨科手術(shù)機(jī)器人的臨床應(yīng)用尚未普及，一些術(shù)式的骨科機(jī)器人達(dá)不到應(yīng)用要求，而AI 將推進(jìn)骨科手術(shù)機(jī)器人的發(fā)展，加快臨床應(yīng)用的腳步。目前，臨床應(yīng)用的骨科手術(shù)機(jī)器人系統(tǒng)普遍存在如下四個(gè)問(wèn)題：①術(shù)前規(guī)劃主要依賴醫(yī)師的經(jīng)驗(yàn)，一致性不能保證，自動(dòng)化程度較低，雖然AIHIP 系統(tǒng)實(shí)現(xiàn)臨床自動(dòng)化，但規(guī)劃符合率與效率依然有較大的提升空間；②術(shù)中注冊(cè)（匹配）與導(dǎo)航主要依賴機(jī)器人操作空間內(nèi)的標(biāo)記物（例如天璣脊柱機(jī)器人的示蹤器），而標(biāo)記物通用性較差，甚至給患者造成額外創(chuàng)傷；③室內(nèi)術(shù)中導(dǎo)航未能系統(tǒng)性補(bǔ)償機(jī)器人系統(tǒng)自身誤差、患者身體微動(dòng)誤差帶來(lái)的影響；④人機(jī)交互（醫(yī)師與機(jī)器人、患者與機(jī)器人）單一，缺乏智能化與高效性。深度學(xué)習(xí)是AI的一大分支，近年來(lái)取得了顯著性突破，并成功應(yīng)用于計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等領(lǐng)域，甚至在圖像分類、語(yǔ)音識(shí)別等任務(wù)中超越了人類，大量研究也證明深度學(xué)習(xí)方法在諸多領(lǐng)域?qū)崿F(xiàn)AI 的有效性。未來(lái)，深度學(xué)習(xí)技術(shù)將繼續(xù)應(yīng)用于骨科手術(shù)機(jī)器人系統(tǒng)中，在解決上述問(wèn)題上具有巨大的潛力。

3 小結(jié)

AI 迅速發(fā)展并成功應(yīng)用于諸多領(lǐng)域，但在骨科手術(shù)機(jī)器人中的應(yīng)用研究還處于起步階段。未來(lái)，在加快骨科手術(shù)機(jī)器人的臨床應(yīng)用與推動(dòng)微創(chuàng)化、智能安全化、精準(zhǔn)化及個(gè)性化骨科疾病治療的發(fā)展上，AI技術(shù)將成為很強(qiáng)勁的助推器。

【利益沖突】所有作者均聲明不存在利益沖突