作者：甘肃省中医院脊柱矫形科 侯栋
人工智能（AI）是通过计算机程序模拟或实现人类智能的技术，使机器能够执行通常需要人类智慧的任务，如学习、推理、感知和决策。近年来，随着数字化医疗的深入发展，AI已逐渐应用于医疗领域的各个方面，成为不可或缺的重要研究领域。脊柱侧凸（scoliosis）是指脊柱的三维畸形，伴有侧凸和椎体旋转，体态异常包括肋骨隆起、肩部不平衡、腰部不对称，在10岁至骨骼发育成熟前（通常至18岁左右）的青少年中较为常见，患病率约为2%~3%。当脊柱的弯曲在生长结束时超过特定的阈值水平时，会在成年后引起生活质量下降、残疾、体态异常、活动及呼吸受限等问题。目前，AI在脊柱侧凸领域中得到了广泛的应用，许多研究者使用深度学习、卷积神经网络架构、多视图深度学习框架等AI算法在脊柱侧凸的筛查、诊断与治疗等方面展现出广阔的应用前景，并在实际应用中有着良好的准确性。但是，AI的发展和进一步的转化应用仍存在一定的局限性。笔者就AI在脊柱侧凸领域中的应用现状进行综述，总结近年来AI在脊柱侧凸中应用的研究进展，以期为脊柱侧凸的筛查、诊断及治疗带来更大的便利，为临床决策及应用提供一定的参考。
脊柱侧凸筛查
在青春期早期（10~13岁），脊柱侧凸因无明显的病理特征和临床症状，常常容易忽略，而到青春期中、晚期，生长发育迅速，许多孩子常因外观畸形而确诊时，因没有得到及时有效的治疗，使患者错失最佳保守治疗时期。早期筛查是早期发现脊柱畸形最有效的方法，有助于脊柱畸形的早期干预和治疗。传统的筛查方法不仅需要大量的人力资源，而且还存在较大的测量误差和高漏诊率。而影像学检查是诊断脊柱侧凸的金标准，在筛查过程中会受到多种方面的限制。AI的出现，显著提高了脊柱侧凸筛查的准确率，并提高了其筛查效率和可行性。
脊柱侧凸智能筛查 作为AI的核心技术，机器学习（ML）与深度学习（DL）显著提升了脊柱侧凸早期筛查的精准性和效率。显著提升了脊柱侧凸早期筛查的精准性和效率。Jaremko等比较了人工神经网络（ANN）模型与基于线性回归模型在预测肋骨旋转方面的性能。结果表明，ANN模型的平均预测正确率达到60%，显著优于线性回归模型（34%），此外，该研究通过将肋骨畸形程度与脊柱侧凸的严重程度相关联，揭示了躯干表面数据与内在脊柱畸形之间的定量联系，这为利用非侵入性躯干表面数据预测脊柱畸形提供了重要的临床依据。Ramirez等使用支持向量机（SVM）处理人体背部图像，经过111例脊柱侧凸患者进行验证显示，测试精度达到了69%~85%。Yang等开发的深度学习算法（DLAs）在检测脊柱侧凸和识别侧凸Cobb角≥20°的病例方面，表现出比人类专家更高的准确性（DLAs，87%；人类，81.9%），同时可以大幅度降低传统脊柱侧凸筛查工具所需的成本和时间（1.5svs4.5s）。Ishikawa等通过具有3D深度传感器的DLA系统验证了100例疑似脊柱侧凸的受试者，结果显示实际Cobb角与预测Cobb角之间的相关系数为0.87，且在前屈姿势下，受试者穿着内衣与否对测量结果无显著性影响，这一特性使得受试者无需脱衣即可完成检查，极大地保护了其隐私。因此，在诊所或学校等筛查场景中，使用该系统进行脊柱侧凸检查是一种更易于接受的选择。
莫尔成像系统作为常用的脊柱侧凸筛查工具，可以提高脊柱侧凸检测的有效性和灵敏性。莫尔成像系统结合AI进一步优化了脊柱侧凸筛查的准确度。Watanabe等开发的CNN模型通过与莫尔图像结合，可以精准定位脊柱结构并计算椎体旋转角度，与医生测量的Cobb角进行比较，预测误差仅为3.42°，显著提升了3D结构评估。Meng等提出的多模态影像融合方法，生成与真实X线片高度可比（R2=0.984）的合成图像（RCI），实现脊柱标志自动检测与侧凸分类，减少辐射伤害。He等基于条件生成对抗网络（cGAN）模型开发的Swin-pix2pix算法，利用普通二维红绿蓝（2D-RGB）图像生成虚拟X射线（VXI），经过2445例参与者验证，脊柱侧凸严重程度分级的诊断准确性超过了两位脊柱外科专家的诊断准确性，Cobb角测量与真实影像高度一致（R2=0.99，r=0.97）。这些技术突破通过多源数据融合与影像生成，推动了低成本、高精度、无辐射脊柱侧凸筛查的临床转化。
超声无创成像与智能分析技术 超声技术凭借无辐射、低成本及实时性优势，成为脊柱侧凸筛查中替代X线片的理想选择。Cheung等开发的徒手3D超声系统通过B型超声图像与空间信息融合，实现无辐射评估Cobb角，与人工测量X线片的Cobb角结果高度相关（R=0.759）。Jiang等提出一种新的脊柱超声图像分割模型超声全局引导块网络，可全自动分割脊柱超声图像，精准识别棘突、横突等骨骼标志，为脊柱侧凸可视化提供可靠工具。Greer等通过超声与AI图像分析自动估算Cobb角，经过验证，对数据进行消除局部不规则性中值滤波处理后，与得到的平滑数据相比，平均误差为2.0°，标准差为3.7°。最近Lin等开发了一种自主机器人超声扫描系统（auto-RUSS），可以有效地提高超声图像的再现性，并最大限度地减少人为操作所引起的变异性。这些研究通过深度学习与超声影像的深度融合，推动了脊柱侧凸筛查向高效、安全、自动化方向发展的临床应用潜力。
基于移动端影像与深度学习的家庭化筛查技术 基于智能手机和DL的脊柱侧凸筛查技术，正在逐步摆脱对传统设备的依赖，实现便捷高效的家庭化筛查。Li等利用手机拍摄的站立位裸背照片，开发了无X射线的脊柱侧凸评估算法，通过对3640张背部照片研究显示，在区分脊柱侧凸类型和评估偏离程度方面具有较高的准确性和有效性，高于其他通过背部照片预测脊柱侧凸严重程度的AI模型。Zhang等利用患者站立位的背部体表图像结合AI算法计算脊柱的Cobb角，对247例脊柱侧凸患者进行验证，85%的患者Cobb角测量误差在10°以内，80%的患者Cobb角测量误差在5°以内。对于脊柱侧凸的早期筛查，自动化算法可快速处理图像数据，减少人工测量误差，提升筛查效率。同时，AI算法可支持大规模筛查，减少对专业医生的依赖，缓解医疗资源不均问题。但在实际应用中多数模型依赖高质量图像输入、专业设备，训练数据多来自特定人群，对于基层和家庭筛查缺乏一定的实用性。在未来，AI在早期筛查方面应适用于更简单的操作方法或使用人群，远离辐射暴露，采用更为简单的方法，精准筛查脊柱侧凸患者，降低筛查成本，使医疗资源最大化。
脊柱侧凸影像的智能处理与分析
目前，Cobb角仍然是评估脊柱侧凸严重程度的金标准。然而，在临床实践中，Cobb角测量值的观察者内和观察者间差异约为4°~8°。且这些是针对有经验的脊柱外科医师，而对于经验不足的研究者，变化可能会更大。往往因为测量者的经验以及测量方法使测量结果存在潜在误差，导致误判患者脊柱侧凸的进展，从而导致儿童错过最佳治疗机会。随着AI的发展，越来越多的脊柱畸形图像自动分析程序被开发出来，呈现出更加智能和准确的趋势。
移动端智能测量工具 随着移动技术的发展，智能手机应用程序已被广泛用于日常医学影像学中的角度测量。iPinPoint和Cobbmeter是一种移动应用程序，通过DL与图像处理技术，实现自动计算脊柱X线片的Cobb角，兼具便捷性与高精度。Ketenci等回顾性分析50例患者的正侧位全脊柱X线片，对比图片存档和通信系统（PACS）、iPinPoint和Cobbmeter的测量结果，发现三者观察者间一致性极佳，ICC分别为0.991、0.980和0.991，在观察者内可重复性也非常好（ICC>0.9），进一步验证了移动工具在临床实践中应用的稳定性。而Li等分析了601例脊柱侧凸患儿的802张脊柱全长X线片，在观察者内部与观察者间ICC分别达0.996和0.997，且均优于专业人员使用PACS系统测量的Cobb角。
多视图深度学习框架 随着图像处理技术和AI的发展，通过多视图相关网络和DL算法是测量Cobb角最有前途的方法。Wu等提出的多视图相关网络（MVC-Net）通过整合正侧位X线片影像数据，可以精准识别椎体结构并计算Cobb角，验证了脊柱标志定位与角度测量的稳健性。Wang等提出了一种多视图外推网络（MVE-Net），通过融合不同视角预测Cobb角，对526张X线片的验证显示，从正位和侧位片估计的平均绝对误差分别为7.81°和6.26°，优化了模型的计算效率与准确性。
卷积神经网络架构 CNN通过多样化架构设计与功能扩展，成为脊柱侧凸影像自动化量化分析的核心技术。Horng等开发的CNN系统集成脊柱隔离、椎体分割与Cobb角测量全流程，通过对不同严重程度的脊柱侧凸患者的493个脊柱三维重建中提取了78个标志的位置，训练了的系统可以预测每个标志的位置，从而辅助临床决策。Zhao等基于改进的U-Net模型，显著提升了椎骨分割精度与角度测量效率，可以更高效地自动测量Cobb角。Chui等采用椎体标志提取方法和前馈神经网络（FNN）来测量79例脊柱侧凸患者的Cobb角，结果表明，FNN能够以较高的准确性、灵敏度和特异性对不同程度脊柱侧凸患者的Cobb角进行测量。Kang等使用一种基于AI的系统自动测量脊柱畸形患者的关键骨盆参数，特别是严重的冠状面畸形，表现出高度一致（ICC=1.00），在对骨盆倾角和腰椎前凸角的测量中显著优于专家评分。Wang等建立的深度学习模型进一步提高了椎骨自动识别与Cobb角高精度测量。这些研究通过优化网络结构与多模态特征提取，推动了脊柱影像分析从分割到量化评估的整个流程向自动化、智能化方向发展。
AI彻底改变了相关参数的自动评估，尤其是在定量分析方面，这对于准确的诊断和治疗计划至关重要。AI模型通过椎骨分割、标志点提取和多模态数据融合，实现了脊柱形态的精准重建与参数计算，部分算法在严重畸形病例中的表现优于人工评估。并自动化分析缩短诊断时间，降低人为误差，提升结果可靠性。然而，应用AI创建自动Cobb角测量是有限的，因为大多数研究使用的样本量少于200张图像，有些甚至使仅用20~40张图像。在未来，更大样本量的研究将有利于证明AI精确测量Cobb角的能力。一旦被大范围使用，在临床实践中可显著减轻医生的阅片负担，提高测量准确率。
治疗决策
脊柱侧凸分型 脊柱侧凸的分型可以帮助外科医生做出准确的决策和合适的融合节段。目前，脊柱侧凸的分类包括King、Lenke和PUMC分型，其中最常用的是Lenke分型。ML和DL等AI技术可以实现脊柱侧凸的快速分型和诊断，在做出治疗决策中发挥积极作用。Mezghani等开发的ML模型在1776例AIS手术病例中，实现融合区推荐的88%与Lenke标准决策一致性。Phan等采用ANN结合自身组织映射技术（SOM），在72例患者中的自动分型准确率达到92.9%。这些AI系统通过分析三维脊柱形态特征，为外科医生提供融合范围决策支持，有效降低了传统方法中主观判断的误差风险，展现出智能辅助决策系统的临床应用价值。
个性化治疗方案 AI预测模型通过整合多维数据显著提升了脊柱侧凸手术效果预判与个体化治疗规划能力。Koller等基于Logistic回归构建的术后腰椎Cobb角矫正（SLCC）预测模型，为胸椎选择性融合术的决策提供了量化支持。Pasha等通过决策树分析了71例AIS患者的数据，明确腰椎前凸、胸椎后凸及旋转参数与SLCC优化范围的关联性，强化了术中矫正目标的精准设定。Chen等结合FasterR-CNN与ResNet的组合模型对脊柱图像进行分类，实现了标准化与自动化诊断，为手术规划提供高效影像学依据。Cano等利用ANN提取脊柱3D结构特征，结合独立成分分析预测脊柱形态演变趋势，助力早期干预以阻断侧凸进展。此外，Abedi等开发的（ANN-SVM）混合模型，通过术前临床及生物力学参数预测术中矫形棒弯曲角度与融合节段选择，从而可以精确矫正脊柱侧凸畸形，缩短手术时间。这些技术通过AI算法，推动脊柱侧凸治疗从经验依赖向数据驱动的精准决策模式转型。AI技术通过差异化策略显著优化了脊柱侧凸的个性化治疗决策。对于严重的早发性脊柱侧凸（EOS）患者，生长棒技术是其重要的手术方式。Wong等开发的ML算法可无辐射实时监测磁控生长棒的延长长度，在术中提供即时反馈，减少手术时间与感染风险，同时规避传统影像学检查的辐射危害。对于成人脊柱畸形，Ames等基于AI分层聚类分析570例患者数据，结合健康相关生活质量（HRQoL）与矢状面平衡参数，构建2年风险-收益预测网格，为复杂病例的手术方案选择提供量化依据。AI在脊柱侧凸的治疗决策中发挥着关键作用，它可以实现脊柱侧凸快速分类，融合区域的选择与临床指南一致性达88%，显著减少了主观偏差，同时对进展预测与个性化规划优于人脑，可以精准指导早期干预。同时AI可以减少术中辐射并结合生物力学参数、3D结构及HRQoL数据，对复杂病例的个性化治疗提供可靠依据。
术中辅助
椎弓根位置的识别在脊柱畸形的螺钉置入中起重要作用。据报道，腰椎椎弓根螺钉误置率为5%~41%，胸椎为3%~55%。而由于靠近脊髓、神经和血管，椎弓根螺钉误置会导致严重的临床并发症，如急性脊髓损伤、硬脊膜撕裂和血管损伤。除了术后神经系统并发症外，螺钉置入不当还会降低器械提供的脊柱稳定性。因此，为降低误置率及手术翻修率，通过AI技术开发了多种自动、准确和稳健的术中椎弓根螺钉姿态评估系统。
骨科机器人 骨科机器人利用术中图像引导技术和手术导航数据来绘制手术空间和规划手术路径，具有主动定位和协调人机运动的功能。在脊柱手术中，该技术使用机械臂辅助建立椎弓根螺钉的置入通道，具有螺钉置入精度高、辐射暴露风险低、手术过程中神经血管损伤等并发症较少等优点。Wang等的研究发现，与透视辅助椎弓根螺钉置入相比，机器人辅助技术在椎弓根螺钉放置时间、失血量、X线透视次数和椎弓根螺钉位置的准确性以及术后住院时间方面具有较大的差异。Chen等对50例AIS患者（徒手组19例；机器人辅助组31例）的影像学参数和临床结局指标比较表明，机器人辅助具有更好的Cobb角矫正率，在保留腰椎前凸的情况下，提供了更好的躯干偏移和肩部平衡。
3D导航 AI技术通过3D导航技术显著提升了脊柱侧凸术中椎弓根螺钉置入的精准性与安全性。Burström等利用ML算法构建了术中3D手术导航系统，该系统可以自动识别椎弓根并提供椎弓根螺钉置入的建议。此外，基于AI算法的3D模型和导航系统可用于指导外科医生置入椎弓根螺钉并提高其准确性。Huo等基DL使用改进的PointNet2模型自动分割椎体的椎弓根区域，并使用分割结果来自动拟合椎弓根的横截面，并最终生成椎弓根轮廓作为手术参考。目前，微创手术在脊柱手术中已呈现出主流趋势。因此，准确的经皮螺钉置入是必要的。Hetherington等开发了一种基于深度CNN的实时系统，用于对脊柱的横向图像进行分类，这种方法可能有助于开发成人脊柱畸形（ASD）的微创治疗方法。Esfandiari等提出并评估了一种基于DL的方法，该方法利用术中X线片与临床现实图像，对椎弓根螺钉进行分割并自动评估其植入椎弓根的姿态。通过分析双平面图像集，估计所有椎弓根螺钉的3D姿态参数。该技术的最终目标是在手术过程中实时检测并纠正螺钉错位，从而降低术后翻修手术的发生率。Amaritsakul等基于ANNs和遗传算法（GA）对椎弓根螺钉进行了多目标优化设计，最终成功研制出一种兼具优异柔韧性和高拉伸性的椎弓根螺钉，与普通螺钉相比，该螺钉具有更高的疲劳寿命和抗拔出性能。
预后与康复
脊柱外科医生都希望为患者提供更好的临床疗效；然而，不同情况下的预后可能大不相同。因此，对预后进行预测是必要的。脊柱侧凸患者的并发症主要包括近端交界性后凸（PJK）和近端交界性失败（PJF）。Scheer等使用AI算法构建了决策树，通过根据基线人口统计学、放射学、HRQoL和手术因素，预测围手术期PJK和PJF，其准确率为86.0%，受试者工作特征曲线下面积（AUC）为0.94，并筛选出影响围手术期PJK和PJF的11个因素。Peng等通过AI算法建立了Lenke5型AIS患者的预后模型，该模型的准确率为90.9%，AUC为0.944，对预测AIS融合手术后PJK的个体风险具有重要价值。Ames等为ASD患者手术后SRS-22量表上的所有问题开发了6种不同的预测算法，针对个体化医疗，通过创建术前模型，以预测1年和2年随访时SRS-22量表问题的答案，其预测AUC值高达86.9%，对疼痛、残疾、社会和劳动功能相关的问题预测最为准确。
最近研究表明，脊柱侧凸与姿势不稳定、感觉统合缺陷和步态改变以及上身和下肢活动范围减少密切相关。三维运动分析可捕捉脊柱多节段的运动信息，补充静态影像学的评估结果。Wilczyńsk使用光电方法对251例脊柱侧凸患者进行脊柱和身体姿势检查发现，弯曲角度越大，竖脊肌张力越大。在胸椎脊柱弯曲的凸侧显示出竖脊肌的更大张力，然而在腰椎，更大的张力发生在弯曲的凹侧。Sébastien等对57例患者进行步态分析显示，脊柱侧凸患者有异常的步态模式，躯干前倾减少和横平面异常。Lucas等通过三维运动分析系统在姿势平衡测试中发现，胸弯患者较健康对照组具有显著增大的身体摇摆面积，而腰弯患者则显示介于两者之间的摇摆特征。Chalmers等的研究聚焦于脊柱侧凸支具治疗效果的预测，设计了一个可以准确预测治疗结果的AI模型。他们通过回顾性分析脊柱侧凸患者数据，识别出影响支具治疗效果的因素。并对28名支具治疗患者进行模型和专业医生预测治疗效果，结果显示，该模型预测能力优于人类专家水平，能够提供有意义的治疗建议。另一方面，该模型能够精确控制人体躯干特定横截面的位置和方向，并同步测量施加在身体上的力/力矩。基于这些实时生物力学数据，结合从患者数据中获得的个性化躯干刚度特征，为设计新一代智能脊柱支具提供了可能。而这种智能支具概念的核心在于利用动态调整的3D力/力矩系统，有望成为脊柱侧凸治疗的新型干预措施。尽管AI技术通过高精度风险分层在预后预测与快速康复调控展现出显著技术优势，但仍需扩大样本验证模型泛化性，推进多模态数据融合，加强AI系统的临床安全性与成本效益验证。AI技术的深度融合将推动脊柱侧凸“预测-干预-康复”全流程个性化治疗体系的革新。
未来前景
AI在脊柱侧凸领域的应用前景广阔，贯穿早期筛查、影像分析、治疗决策、手术辅助及预后康复等关键环节。在筛查与诊断方面，AI算法可基于无辐射的3D光学扫描或智能手机图像，快速识别背部不对称性，其敏感度>90%，显著降低传统X线筛查的辐射暴露风险和漏诊率。其自动化处理能力支持大规模人群筛查，有助于早期发现和干预。在影像处理与分析方面，AI通过机器学习和图像识别技术，能够高效、自动地解读X线片、CT、MRI等医学影像，精准识别细微脊柱变形、区分正常与异常结构，并提供更客观、精确的病情评估。在治疗决策与手术辅助方面，AI可基于大数据分析预测治疗效果，辅助医生制定个体化治疗方案。术中机器人导航系统能精确辅助椎弓根螺钉植入，误差<1mm，显著缩短手术时间，降低神经损伤风险和翻修率。在预后与康复管理方面，AI通过分析术后影像与临床数据，可有效预测神经损伤、PJK、PJF、内固定失败等并发症风险。结合3D运动捕捉的AI系统还能动态调整康复训练强度，改善躯干肌群对称性，实现精准康复。然而，AI在脊柱侧凸的应用方面也存在着诸多局限性：AI在疾病筛查和诊断中存在漏诊、误诊现象；数据有限，缺乏多样化临床环境下的多中心验证；缺乏完善的模型集成平台，模型缺乏稳定性，泛化能力有限；支持和开发人工智能的多专业合作可能会带来经济挑战；手术机器人程序的执行速度有限，操作系统不完全智能；AI的使用可能需要相关方面的知识作为基础，在临床转化中可能会遇到更多的困难；AI涉及患者的数据隐私和安全，其伦理问题不容忽视。
来源：中国脊柱脊髓杂志2025年第35卷第6期
(本网站所有内容，凡注明来源为“医脉通”，版权均归医脉通所有，未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任，授权转载时须注明“来源：医脉通”。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。)
