作者：北京大学深圳医院深圳市脊柱外科重点实验室     代玲玉

手术是脊柱退行性病变、创伤、肿瘤和畸形等脊柱疾病的主要治疗手段，但术后并发症会显著影响疗效，是不可忽略的术后风险。腰椎手术术后残留腰背痛、硬脊膜撕裂、邻近节段退变、内固定失效、深静脉血栓、神经功能障碍等并发症的发生率为2.9%~36.6%；颈椎手术后颈前血肿、吞咽困难、神经根麻痹等并发症的发生率为19.4%~37.9%。高龄、多节段病变、骨质疏松等危险因素进一步增加术后风险。传统风险评估依赖医师经验，缺乏个体化预测工具。随着医疗大数据和人工智能发展，基于多因素分析的预测模型逐渐应用于脊柱外科，通过整合临床、影像和实验室数据，为术后风险评估提供客观依据，有助于优化脊柱手术决策。然而，现有模型在准确性、适用性等方面仍存在差异，需要系统比较和验证。笔者对目前比较常用的脊柱外科术后风险预测模型进行综述，为临床选择合适的评估模型提供参考。

评分系统

查尔森合并症指数     1987年，Charlson等提出了查尔森合并症指数（CCI）评分系统，通过分类和加权共存疾病来预测住院患者1年内死亡率。CCI共量化19个合并症，包括心肌梗死、充血性心力衰竭、周围血管疾病、脑血管疾病、痴呆、慢性肺部疾病、结缔组织病、溃疡病、轻度肝脏疾病、糖尿病偏瘫、中/重度肾脏疾病、糖尿病伴器官损害、肿瘤、白血病、淋巴瘤、中/重度肝脏疾病、转移性肿瘤、获得性免疫综合征/人类免疫缺陷病毒，根据严重程度分别赋权重0、1、2、3和6分，0分定义为无共病，1分定义为低共病，≥2分定义为高共病。Shinonara等研究了CCI所计算的共病负担对腰椎后路椎体间融合术临床效果的影响，发现有两种或两种以上共病的患者术后治愈率明显低于无共病负担的患者，因而建议医生在计划手术时，必须考虑到患者的共病情况，以获得良好的临床结果。McGee等回顾性分析CCI与非创伤性脊髓损伤患者术后30d、90d和1年内死亡率的相关性，结果显示患者死亡率随着CCI得分的增加而增加。周昌俊等研究了CCI对单节段腰椎后路椎间融合手术临床疗效的预测价值，发现CCI≥2分与患者日本骨科协会（JOA）评分改善率降低、住院时间延长和住院费用增加相关。然而，虽然共存疾病信息收集便捷、CCI计算简单，但其并不是专为脊柱外科患者而设计的，无法全面反映患者的身体健康情况，且不同共存疾病的权重赋分是固定的，忽略了脊柱外科疾病的特殊性。

修订Tokuhashi评分      目前已有多种用于预测脊柱转移瘤患者生存期的模型，其中修订Tokuhashi评分整体准确性高、应用也较为广泛。1989年，Tokuhashi等回顾性分析了64例接受手术治疗的脊柱转移瘤患者，提出了一个由6个预后因素组成的评分工具；为提高预测的准确性和临床实用性，作者在2005年对该评分方法进行了修订，提出修订Tokuhashi评分，主要通过（KPS）评分、脊柱外骨转移瘤数量、椎体转移数量、重要脏器转移情况、肿瘤原发部位和脊髓功能情况进行综合评分，总分15分，分值越高，预后越好。总分为0~8分，预期生存期<6个月，建议采用非手术治疗；总分为9~11分，预期生存期6~12个月，建议采用姑息手术；总分为12~15分，预期生存期≥1年，建议采用根治性手术。Tokuhashi等对118例脊柱转移瘤患者进行了前瞻性研究，发现修订Tokuhashi评分预测的预期生存时间与实际生存时间的一致性高达86.4%，并推荐总分≥6分可选择手术治疗。Iinuma等分析了85例脊柱转移瘤手术患者的临床资料，发现修订Tokuhashi评分的预测准确率在短期组（<6个月）为66.7%、中期组（6~12个月）为60%、长期组（≥1年）为100%，死亡患者的生存期与总评分显著相关。张睿等回顾性分析了127例脊柱转移瘤手术患者的病例资料并随访临床结局，发现修订Tokuhashi评分预测患者生存时间不分组情况下的受试者工作特征（ROC）曲线的曲线下面积（AUC）为0.960，按生存时间≤12个月分组的AUC为0.863。修订Tokuhashi评分通过优化原发肿瘤类型的评分权重，更适用于多种原发肿瘤类型的脊柱转移瘤患者，提高了生存期预测的准确性，临床医生可以根据评分结果制定个性化的治疗方案，优化手术决策。

传统逻辑回归预测模型

风险评估工具     2017年，Veeravagu等基于2006年~2010年美国279145例脊柱手术患者资料构建了风险评估工具（RAT），用以预测脊柱术后不良事件发生概率。RAT共包含9个预测因子：年龄、性别、共存疾病、术前诊断或手术指征、手术部位、>1个脊柱节段手术、使用骨形态发生蛋白、融合状态、内固定状态。经验证，RAT预测脊柱术后不良事件的AUC为0.7。Jadresic等回顾性分析了RAT预测脊柱术后30d内发生并发症风险的效力，发现RAT的AUC为0.69，认为其预测效力被高估。RAT专为脊柱患者而设计，结合了手术、患者和诊断等因素，向患者提供了准确的手术风险信息，促进医患共同进行临床决策。现有研究显示RAT的预测准确性存在一定局限性，可能是受不同地区、群体等因素影响，其预测效力仍需进一步验证。

西雅图脊柱评分     Buchlak等回顾性分析了136例接受复杂脊柱手术的成人脊柱畸形（ASD）患者的临床资料，采用多因素Logistic回归模型，纳入了7个独立预测因素：身体质量指数（BMI）、年龄、性别、吸烟、糖尿病、高血压和贫血，构建了西雅图脊柱评分（SSS），其预测ASD患者术后30d并发症发生风险的AUC为0.712，准确率为75%。复杂脊柱畸形手术难度大、并发症发生率高，不同程度地增加了患者住院时间和医疗成本，而SSS简单、可靠，可预测ASD患者术后并发症的发生风险，有助于脊柱外科医生提高临床决策质量和规避手术风险。

现代预测模型

手术风险计算器      美国外科医师学会国家外科质量改进计划（ACSNSQIP）支撑的手术风险计算器（SRC）是一种能够预测外科手术并发症发生率的在线工具。ACSNSQIPSRC包括20个预测因素：年龄、性别、功能状态、急诊手术、美国麻醉师学会分级、使用类固醇治疗慢性病、术前30d内腹水、术前48h脓毒症、呼吸机依赖、肿瘤播散、糖尿病、需要药物治疗的高血压、既往心脏事件、术前30d内的充血性心力衰竭、呼吸困难、1年内的吸烟史、慢性阻塞性肺疾病史、透析、急性肾衰竭和BMI分级。ACSNSQIPSRC虽然不是针对脊柱手术设计的，但已被普通外科、骨科和神经外科医生广泛采用。Pierce等将ACSNSQIPSRC用于预测9143例成人脊柱侧凸矫形手术术后并发症的发生风险，结果显示预测术后30d并发症的发生率为2.8%~18.5%，其队列实际发生率为11.4%。Narain等将ACSNSQIPSRC用于预测腰椎前路椎体间融合术后并发症发生情况，结果显示其预测术后急性肾衰竭/进行性肾功能不全、手术部位感染和出院后至护理康复机构的AUC分别为0.81、0.70、0.71，预测肺炎、尿路感染、静脉血栓栓塞、再入院、再手术和总体并发症AUC均<0.70。Wang等研究了ACSNSQIPSRC预测中国>60岁腰椎手术患者术后并发症发生风险的有效性，结果显示其预测总体并发症、严重并发症、肾功能衰竭、再入院和死亡的AUC分别为0.683、0.666、0.825、0.843和0.972，说明其在预测脊柱术后死亡风险方面具有较高准确性。ACSNSQIPSRC虽然在普外科的应用效果得到了验证，但其预测脊柱术后并发症发生风险的效力还需进一步验证。

SpineSage      SpineSage是由Lee等开发的一种非公开在线预测工具，用于评估脊柱术后并发症的发生风险，主要内容包括：年龄、性别、合并症、拟行翻修手术、既往脊柱手术史、既往心脏并发症、BMI、主要诊断、手术节段、手术方式，预测脊柱手术后总体并发症的AUC为0.76，预测主要并发症的AUC为0.81，认为其可有效识别脊柱术前风险、优化手术决策和术后管理。Kasparek等使用SpineSage对273例接受脊柱手术的患者进行风险评估，并记录每位患者术后30d内的并发症发生情况，结果显示SpineSage预测总体并发症和主要并发症的AUC分别为0.71和0.85，与Lee等研究结果较一致。SpineSage专为脊柱手术患者而设计，通过结合多种变量，实现全面手术风险评估，有效帮助医生识别手术风险，为高风险患者提供更详细的术前准备和术后管理计划，可用于脊柱患者的手术风险评估，但在我国临床的实际应用中，其预测效力仍需进一步验证。

机器学习算法      2019年，美国麻省总医院骨骼肿瘤学研究组（SORG）运用机器学习算法（MLA）开发了一款预测脊柱转移瘤手术后90d和1年内死亡率的模型，主要内容包括：原发肿瘤类型、美国东部肿瘤协作组（ECOG）功能状态评分体力状况评分、脊髓功能、合并症、内脏转移情况、脑转移情况、既往系统治疗、脊柱转移数目、BMI、血红蛋白、白细胞计数、淋巴细胞计数、中性粒细胞计数、血小板计数、肌酐、凝血指标国际标注化比值、碱性磷酸酶、血清白蛋白。Zijlstra等回顾性分析了464例接受手术治疗的脊柱转移瘤患者资料，发现SORG-MLA预测术后90d生存率的AUC为0.81，预测术后1年生存率的AUC为0.75。钟国庆等回顾性分析了76例肺癌脊柱转移行开放手术的患者，结果显示SORGMLA预测术后90d和1年死亡率的准确度分别为67.5%和81.1%，说明其对肺癌脊柱转移患者术后生存率的预测具有良好的准确度。SORG-MLA是基于大规模脊柱转移瘤手术患者的临床数据而研发，利用机器学习技术结合患者特征、肿瘤类型和手术数据精准预测脊柱转移瘤手术结果，具有较高的准确性。

预测模型的比较

上述模型针对不同疾病、临床场景和预测目标而设计，各具特色，为临床决策提供了支持。从适用性来看，CCI适用所有脊柱手术患者，尤其是高龄、多种疾病共存者，能量化共存疾病负担并预测术后长期死亡风险；SSS适用于成人脊柱畸形患者术后并发症发生风险的预测；修订版Tokuhashi评分和SORG-MLA适用于脊柱转移瘤患者术后的生存期预测，能指导临床决策；ACSNSQIPSRC、SpineSage和RAT适用于多种脊柱术后并发症发生风险的预测（表1）。

从技术层面来看，脊柱外科术后风险预测模型呈现出从简单计算到复杂机器学习的演进轨迹。CCI和修订版Tokuhashi评分采用简单的加权评分，仅对有限的临床参数进行运算；SSS和RAT采用传统Logistic回归模型预测脊柱术后并发症的发生风险；ACSNSQIPSRC整合多参数在线计算术后并发症的发生率，预测内容较为全面，但缺乏脊柱专科疾病的特异性。SpineSage和SORG-MLA运用机器学习算法，虽然需要大量训练数据和计算资源的支撑，但代表了最新的技术方向。这种从“经验驱动”到“大数据驱动”的转变，在提升预测性能的同时，也对数据质量和计算资源提出了更高要求。

从预测效力来看，CCI主要用于评估共存疾病负担，对生存率和术后并发症的预测相对有限；SSS主要预测成人脊柱畸形术后并发症发生风险，准确率约为75%。Vadhera等比较了SSS、CCI、成人脊柱畸形合并症评分和改良衰弱指数预测ASD患者术后主要并发症的效力，发现SSS的伪判定系数（pseudo-r2）值和赤池信息量准则（AIC）值最优。修订Tokuhashi评分预测脊柱转移瘤术后＜6个月、≥12个月生存期的AUC分别为0.741和0.789，而SORG-MLA在脊柱转移瘤术后90d生存率和1年生存率的AUC分别为0.81和0.75，两者预测效力相当。ACSNSQIPSRC预测各类脊柱手术后30d并发症的效力表现不一，但其预测死亡率的AUC为0.972，具有较高的准确性；SpineSage预测脊柱术后30d内总体并发症和主要并发症的AUC分别为0.76和0.81，有助于识别脊柱手术风险。Jadresic等比较了SpineSage、RAT和ACSNSQIPSRC预测脊柱术后30d内并发症发生风险的效力，发现SpineSage能更准确地预测脊柱手术风险。RAT虽然专为脊柱手术患者而研发，但其预测脊柱术后不良事件的AUC为0.7，预测效力一般。

此外，各类预测模型均存在一定的局限性。CCI缺乏脊柱手术特异性参数和依赖病例记录，可能会低估未诊断的合并症；SSS对短节段融合手术患者的预测能力有限，且未纳入患者的运动功能指标等；修订Tokuhashi评分预测目标单一，未考虑靶向治疗和免疫治疗等新型肿瘤治疗方式的影响；SpineSage和SORG-MLA虽然预测精度较高，但需要大量高质量数据和计算资源支持，且在临床解释性上存在“黑箱”问题，不利于普及应用；ACSNSQIPSRC虽然覆盖范围广，但缺乏脊柱亚专科的细化参数，对高龄、复杂脊柱手术或肿瘤患者的预测效力有限；RAT的原始研究基于回顾性队列，可能存在选择偏倚，在非西方人群中的外部验证不足。

总结与展望

随着脊柱手术技术的进步和安全、精准、高效的脊柱外科临床服务需求增加，脊柱外科术后风险预测模型的开发和应用变得越来越重要。模型的发展不再局限于生存期的预测，而是聚焦于术后并发症和预后预测，使得手术风险的预测更加全面。然而，现有研究大多是单中心、回顾性分析，缺少多中心、大样本的前瞻性研究，导致研究者和临床医生对这些模型的识别能力和预测准确率存在质疑，限制了模型的使用与外部验证。

针对风险预测模型的研究可以从以下几个方面进一步优化：①整合临床指标、影像组学、基因组学和患者报告结局，构建更全面的预测体系；②与可穿戴医疗设备联动，实现风险的动态评估与实时监测；③利用机器学习、深度学习等先进算法，减少模型偏差，提高模型预测的精准度，开发可视化工具，以增强医生对人工智能决策的信任；④通过多中心大样本的研究，提高模型的普适性，推动临床转化应用。随着精准医疗和人工智能技术的发展，脊柱外科术后风险预测将逐步实现从“群体化”到“个体化”的跨越，最终优化手术决策并改善患者预后，为安全、精准、个性化、可预见的脊柱外科诊疗服务保驾护航。

来源：中国脊柱脊髓杂志2025年第35卷第8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。)