人工智能——骨科新的“头脑风暴”

姜仲博¹，郭艳波²，吕文学²，岳亮²，王德恒¹，于宁³，蔡余力²
(1.山东中医药大学；2.山东中医药大学附属医院关节骨科；3.荣成市中医院)

人工智能(artificial intelligence，AI)是通过机器学习、人工神经网络(artificial neural network，ANN)等计算机算法研究人类大脑智能，模拟人脑活动，执行达到或超过人类表现的任务，最终实现计算机自主智能化活动［1］。

“人工智能”概念由John McCarthy于1956年首次提出［2］，目前被广泛应用于药物鉴定、疾病诊断及手术规划等多个方面。人工智能通过深度学习技术构建“用户友好型”诊断网络，基于公共AI平台对疾病影像学资料进行分析，建立疾病诊断模型，提高脊柱骨折、肋骨骨折、骨关节炎等骨科常见疾病的诊出率及分期精准度，并对相关手术规划提供帮助［3-5］。除此之外，AI在骨科疑难疾病诊断中也具备较高应用价值，如利用背部图像开发深度学习算法，对脊柱侧弯进行分级，实现脊柱侧弯的无创化筛查和随访［6］；将常规影像学资料与放射组学、代谢成像(metabolic imaging，MI)结合，完成对原发性骨肿瘤的分级诊断和肿瘤的复发和转移预测［7-8］。

人工智能在骨科中的应用不仅局限于此，数字可视化技术和其他基于AI开创的智能系统为保证手术安全、规范手术操作和加快术后康复提供技术支持。AI手术规划系统在全髋关节置换术中的应用能够优化假体型号，预测吻合率，提高下肢长度，重建精准度，促进患肢偏心距恢复［9］；脊柱外科手术中，机器人及导航系统提高了术者建立工作通道的安全性和准确性，减少了神经并发症发生率、增加了植入物固定性、缩短了手术时间及患者住院时间［10］。另外，将基于人工智能技术开发的高性能编辑图像系统与虚拟现实(virtual reality，VR)技术结合，在骨科医学教育、术中导航、术后康复领域发挥重要作用［11-12］：采用3D可视化技术及VR头戴显示器进行解剖学和手术教育，不仅缩短了学习时间，方便学习者以术者的视角观看手术，还能避免实践教学无法重复学习的弊端。在脊柱手术中使用3D全息图进行手术模拟/导航，可提高术中影像的共享性和即时性，降低手术风险［12］。

人工智能在骨科领域有巨大的应用潜力，在影像学诊断以及临床治疗决策中发挥着重要作用。将AI与多学科结合，构建新的疾病诊断模型，或将AI与机器人结合进行手术导航，成为目前最有前途的发展方向。但目前人工智能存在研究样本量不足、任务处理能力单一、临床训练数据质量不高以及使用价格较高等不足，随着AI设计理念的进步及相关学科的发展，未来的人工智能将在骨科领域拥有更广阔的前景，发挥更重要的作用。

参考文献：
［1］Myers TG，Ramkumar PN，Ricciardi BF，et al.Artificial intelligence and orthopaedics：An introduction for clinicians［J］.J Bone Joint Surg(Am)，2020，102(9)：830-840.
［2］Poduval M，Ghose A，Manchanda S，et al.Artificial intelligence and machine learning：A new disruptive force in orthopaedics［J］.Indian J Orthop，2020，54(2)：109-122.
［3］黄霖，车圳，李明，等.人工智能在骨科疾病诊治中的研究进展［J］.山东大学学报(医学版)，2023，61(3)：37-45.
［4］Niiya A，Murakami K，Kobayashi R，et al.Development of an artificial intelligence-assisted computed tomography diagnosis technology for rib fracture and evaluation of its clinical usefulness［J］.Sci Rep，2022，12(1)：8363.
［5］Brahim A，Jennane R，Riad R，et al.A decision support tool for early detection of knee Osteoarthritis using X-ray imaging and machine learning：Data from the Osteoarthritis Initiative［J］.Comput Med Imaging Graph，2019(73)：11-18.
［6］Yang J，Zhang K，Fan H，et al.Development and validation of deep learning algorithms for scoliosis screening using back images［J］.Commun Biol，2019(2)：390.
［7］Jones RM，Sharma A，Hotchkiss R，et al.Assessment of a deep-learning system for fracture detection in musculoskeletal radiographs［J］.NPJ Digit Med，2020(3)：144.
［8］Liew C.The future of radiology augmented with Artificial Intelligence：A strategy for success［J］.Eur J Radiol，2018(102)：152-156.
［9］Wu L，Zhao X，Lu ZD，et al.Accuracy analysis of artificial intelligence-assisted three-dimensional preoperative planning in total hip replacement［J］.Jt Dis Relat Surg，2023，34(3)：537-547.
［10］Fan M，Fang Y，Zhang Q，et al.A prospective cohort study of the accuracy and safety of robot-assisted minimally invasive spinal surgery［J］.BMC Surg，2022，22(1)：47.
［11］Boscardin CK，Gin B，Golde PB，et al.ChatGPT and generative artificial intelligence for medical education: potential  impact and opportunity［J］.Acad Med，2024,99(1):22-27.
［12］Adida S，Legarreta AD，Hudson JS，et al.Machine learning in spine surgery：A narrative  review［J］.Neurosurgery，2024,94(1)：53-64.