【院士专家论坛】人工智能在骨科中的应用及展望
作者：田伟、韩晓光、张琦
来源：中华创伤骨科杂志, 2021,23(4)
人工智能（artificial intelligence, AI）是一种用于模拟和延展人类智能的理论、方法、技术及应用的工程科学。随着大数据和云计算等技术的迅速发展，AI技术迎来跨越式发展，已经深入到人类生活领域的各个方面[1]。AI在医学中的应用正在通过弥补人类能力短板的智能辅助形式，推动医疗技术进入一个新的时代，促进医疗健康进入量化分析、个体化规划以及实时监控的新阶段。
AI技术正在全面融入骨科领域。运用AI技术开展骨科医学数据（包括影像、图谱、病历、药物模型及其他医学传感信息）驱动下的健康筛查与预警、疾病诊断与治疗、康复训练与评估、医疗服务与管理、药物筛选与评估等典型骨科领域的精准、智能、安全应用研究，不但提高了骨科医生的工作效率、减轻工作负荷，也为患者提供了安全、有效的临床保障，极大程度地推进了临床骨科疾病的诊断、治疗和康复，本文就此领域的研究热点做相关介绍。
第一，AI辅助骨科疾病诊断。X线、CT、MRI、超声等影像学检查是骨科疾病诊断的重要手段，但医生在繁重的工作压力下，存在漏诊和误诊风险。AI基于大数据优势，通过数据挖掘、机器学习和深度学习等技术，准确识别并量化疾病病灶，为骨科疾病的智能、精准诊断提供了可能。目前研究热点主要聚焦于对骨折、骨关节炎以及骨龄等疾病的诊断。
AI诊断肱骨近端、手部、腕关节、足踝和椎体骨折的表现已不输于骨科医师和放射科医师[2,3,4]。Olczak等[5]使用5种经典的深度学习网络模型，在256 000张腕、手和踝关节的X线图像上的骨折检测准确率达到了83%，对拍摄部位、视窗、体侧和体位判断的准确率均高达90%以上。Chuang等[6]利用深度卷积神经网络模型，在1 891张X线图像上对肱骨近段骨折的分类准确率达96%，敏感性和特异性分别为97%和94%，表现优于外科医师和骨科医师，与肩关节专业医师相似。Lindsey等[7]提出一种深度卷积神经网络模型，经过训练后不但可以显示有无骨折，还可以标识可疑骨折范围；敏感性和特异度分别达93.9%和94.5%，急诊科医师应用该模型误诊率下降了47%。该卷积神经网络模型2018年获得美国食品药品监督管理局（FDA）批准，成为首个正式获批的AI骨折诊断临床工具。Prannta等[8]在CT图像上利用卷积神经网络算法自动检测和分类跟骨骨折，准确率高达98%。Tomita等[9]开发了一种基于卷积神经网络的骨质疏松椎体骨折检测模型，在1 432例CT图像上进行训练和评估，并用219例图像进行验证，准确率达89.2%。这些技术有效提高了骨折的检出率，减少误诊和漏诊风险，并显著降低了医师的工作量。
AI也被用于骨关节炎的评估。Xue等[10]采用VGG-16卷积神经网络算法，在420张髋部X线图像上训练并测试了诊断髋关节骨关节炎的能力，结果显示准确率达92.8%，敏感度和特异性分别为95.0%和90.7%。Norman等[11]使用DenseNet神经网络模型，根据Kellgren-Lawrence（KL）分级从X线图像上自动计算膝关节骨关节炎的严重程度，准确性优于高年资骨科医师和放射科医师。
骨龄是衡量儿童骨骼成熟程度的指标，人工评估存在繁琐、耗时、观察者差异大等问题，AI技术的出现及应用有效改善了这些问题。Spampinato等[12]于2017年提出的一种基于深度学习的骨龄检测模型——Bonet神经网络模型，对0~18岁不同种族和性别的公共数据进行骨龄评估，其平均绝对误差值为0.8岁。
需要注意的是，AI的使用不是为了替代放射科医师，而是帮助放射科医师提高诊断准确性并减少工作负担，将AI判别与放射科医师决策相结合，可以实现最准确、高效的影像学诊断[13]。尽管AI辅助影像诊断的结果可能是相对准确的，但需要大量训练数据集，研发训练时间长。随着技术的不断进步，AI辅助影像诊断的骨科应用范围有望进一步拓展。
第二，AI辅助骨科手术治疗。骨科手术机器人是促进骨科手术精准化、微创化发展的核心智能设备。自Robodoc机器人于1992年正式用于临床（全髋关节置换手术）至今，国内外先后出现了多款骨科手术机器人商业化产品，被广泛用于脊柱外科螺钉置入、关节置换等手术中[14,15]。脊柱方面，最早获得临床应用的机器人产品是以色列Mazor公司的SpineAssist系统，临床研究报道椎弓根置钉准确率达98.5%，显著优于传统手术[16]，但存在操作比较复杂，缺少实时影像监控等不足[17]；法国MedTech公司推出的ROSA Spine机器人系统，辅助置入椎弓根螺钉，2016年获得FDA认证，主要用于治疗腰椎退行性疾病，定位精度达到1.5 mm[18]。用于关节置换的机器人包括美国Think Surgical公司的RoboDoc、Mako Surgical公司的RIO。已有临床研究表明：机器人辅助关节置换手术的切口更小，恢复时间更短，可缩短年轻医生的学习曲线，术后胫股角对线角度、短期内膝关节活动度及功能评分均优于传统手术[19,20]。然而，上述机器人存在价格昂贵、手术适应证窄的问题，限制了其广泛临床应用。
北京积水潭医院带领医工企团队研发的'天玑'机器人，是由我国自主研发的全球首台通用型骨科手术机器人，2016年获国家Ⅲ类医疗器械注册证。它突破了国际同类产品适用部位单一的局限，可应用于脊柱全节段、骨盆、四肢等13个部位的手术治疗[21,22,23]。创新配准特征自动识别与呼吸运动补偿随动控制技术，突破1 mm定位精度瓶颈，领先于国际同类产品[24]。与徒手手术相比，天玑机器人显著提高了螺钉置入的准确性[25]。此外，5G技术的出现，极大地促进了远程医疗（特别是远程手术）的快速发展。目前中国在5G远程骨科机器人领域的临床研究已走在了世界前列，实现了同时远程控制2~3台异地机器人手术的新里程[26]。为我国医疗资源不均衡的问题提供了新的解决思路。
未来骨科手术机器人技术将朝着智能化、人机交互全面化、图形图像精细化、硬件体积微型化、手术过程无创化、远程操作流畅化等方向发展。同时，推动自主研发骨科手术机器人产品、全方位制定行业规范和临床标准将是中国智能骨科手术机器人的重要方向。
第三，AI在骨科疾病管理、智能康复以及药物研发方面也取得了很多成果[27,28]。骨质疏松症是中老年常见的代谢性骨疾病，由于我国65岁以上女性患病率高达51.6%，因此实现骨质疏松的自动诊断和控制具有重要的社会意义。应用深度学习技术在CT图像上对腰椎骨密度进行自动判定，其工作特征曲线下面积(area under curve, AUC)为0.888[29]。与传统的临床决策工具相比，AI技术还能准确地识别绝经后妇女患骨质疏松症的危险人群[30]，实现骨质疏松等慢性病及时预警和有效管理。老年髋部骨折是非常严重的骨质疏松性骨折，多数需要手术治疗，但由于患者常常合并多种内科疾病，病情复杂多变。近年来北京积水潭医院Wu等[31]采取多学科协作、骨科与老年科共管的治疗模式，极大缩短了术前等待时间，提高了治疗安全性，已经到达国际领先水平。基于指南和文献结果的老年髋部骨折人工智能辅助系统，可以对患者的病情进行综合分析，提出治疗建议，辅助临床决策。此外，随着各类智能可穿戴硬件、智能手机等设备的普及应用，疾病信息可通过终端设备进行实时采集，进行汇总分析，自主、实时评估患者病情，为患者提供个性化的自我健康管理方案。
将虚拟现实、智能机器人联合AI技术应用于骨科康复，出现了智能假肢、康复训练机器人、外骨骼辅具和矫形器、陪护机器人、虚拟现实康复系统等智能康护设备，研究发现通过采用这些AI技术可以有效地促进骨科患者功能康复恢复[32]。此外，AI技术已经在药物靶点确认、药物筛选、药物安全性评估、药物有效性测试、数据收集等方面得到了广泛应用，并开始用于中医药的药理学评估，应用前景非常广阔。例如Atomwise公司，利用计算机对已有药物数据库进行综合分析判断，并用AI技术来模拟药物研发的过程、评估新药研发风险，在其操作过程中极大降低了研发成本、缩短了新药的评估时间。
AI有望彻底改变骨科领域，甚至是医疗领域。但目前，它在骨科中的应用还处于初级阶段，许多关键问题仍需解决。首先，医疗大数据是医学AI技术发展的基石，医学AI算法的开发往往需要较高的资金成本和时间成本；需要考虑如何建立有效的医学数据管理框架来实现多源多模、同构异构医学数据的规范化采集和安全分级管理；如何设计新的算法或网络来实现小数据集或有限数据集的无监督学习。第二，应用AI技术时要考虑可能遇到的伦理问题，尤其是患者利益可能受损的情况。需要考虑如何制定AI相关的医学数据伦理管理措施和法律监督机制来确保患者以及医生的医学隐私和个人信息安全。第三，现有手术机器人的智能化程度还较低，机器人几乎没有自主决策权。需要考虑如何整合AI方法和传统方法，在实现智能诊疗的同时确保诊疗过程的安全性；如何提升医生在AI介入过程中的作用，实现临床有效的人机智能协作。
基于上述问题，在骨科AI未来发展时应侧重以下几个方面：①拓展AI技术在骨科疾病诊断、慢病预测和健康监测中的应用范围，惠及更多的人群；②持续推进AI技术在手术、康复、养老等典型医疗机器人应用领域的应用，实现安全、高效、自然的人机智能协作；③强化AI技术在药物领域的应用（如药理学、疗效评测等），加速创新药物研发及试验过程；④加强医工复合型人才的培养，解决临床需求与工程开发易出现脱节的问题；⑤建立国际化的开放创新平台和合作机制，实现教育资源和科研资源的最大利用。
AI与骨科的深度融合发展，正逐渐受到大家的重视。在AI技术的临床应用中，医生应当处于主导地位，AI系统是作为工具和助手的角色。在AI技术的研发过程中，需要加强医工企之间的跨学科合作。未来需要继续探索新型医工企协同创新机制，建立基于临床场景、数据驱动的骨科AI研发体系，提高骨科诊疗技术的智能化水平，从而推动我国智能骨科技术的创新与发展。
参考文献 略