Page 107 - 临床诊疗与护理

第三章 脊柱外科新技术发展

T1 加权图像随机分成内部训练集（80%）、验证集（9%）和测试集（11%），
结果显示，该模型在腰椎中央管（k 值分别为 0.96，0.99，0.98）和侧隐窝狭窄（k
值分别为 0.92，0.95，0.92）检测和分类方面与 2 名放射科医师（其中一名具有

5 年从业经历，另一名具有 9 年从业经历）的一致性相当，而在腰椎神经孔狭窄
（k 值分别为 0.89，0.94，0.95，P<0.001）方面的一致性稍低。Yang 等设计出一
种用于筛查青少年特发性脊柱侧凸（adolescent idiopathic scoliosis，AIS）的深度
学习算法，其在检测和识别 Cobb 角大于等于 10°、需要行支具或手术治疗的病

例中显示出比人类专家更高的准确性，和传统 X 线摄影相比，其优点是仅借助
受试者背部裸露图片便可完成严重程度分级，有效避免了过度辐射暴露，也因此
有可能被当作定期随访工具使用以开展监测，如果该算法被应用于临床，将极大

地降低传统脊柱侧凸筛查所需的转诊率、成本和时间。
AI 在医学影像自动化分析领域的应用潜力较大，但并非意味着未来会取代
医生阅片的过程，相反，人类的智慧和决策应始终处于主导地位。AI 产品作为
辅助阅片的工具，想要实现其广泛应用为时尚早，当前面临的问题与挑战主要集
中于以下几个方面：缺少高质量的医疗数据；深度学习算法有待优化和提升；AI

产品利用率不高，缺乏外部验证；医师群体对其的可靠性仍心存疑虑。为解决上
述问题，人们需要在数据、算力、算法等方面继续努力，只有构建高标准、高质
量的医疗大数据集，进一步提升计算机系统性能，开发更为高效可靠的算法，AI

的方法、技术和产品才能在临床工作中落地生根、枝繁叶茂。
（二）术前规划
有限元模型重建技术的本质是对患者的 CT、MRI 等二维平面图像进行配准、
分割、三维重建，使其转变成更加直观立体的数字化三维图像，极大地提高了脊
柱外科手术的精确性和安全性。借助脊柱三维重建模型，外科医生能够熟知患者

病变节段的解剖特点，有助于手术方案的规划及实施，并对手术预后及风险作出
合理的推断。
此外，术前基于三维重建模型对手术过程进行模拟，能减少由于术中操作不

当导致的并发症发生，如血管、神经损伤。当前对脊柱进行建模及有限元分析主
要依靠技术人员操作软件，后期凭借自身经验知识再加以手工核对校准，不仅费
时费力，而且最终结果受操作者主观因素影响很大，对外科医师开展临床工作造
成困扰。一些研究人员尝试在脊柱生物力学模型的重建中运用 AI 技术，取得了

95