综述：对更高质量研究的需求：一项关于人工智能在骨科领域当前应用情况的系统性综述，以及膝关节研究中的空白

《The Knee》：The need for better quality studies: A systematic scoping review of current utility of artificial intelligence in orthopaedics and research gaps in the knee joint

AI在膝关节疾病中的应用研究显示，近16年间30%的文献直接涉及诊断或预测，其中71%关注骨关节炎，43%使用深度学习。研究指出AI存在可重复性、普适性及临床转化不足等挑战，未来需加强标准化评估和术中/术后等非影像场景应用。

　　人工智能在骨科领域的应用正迅速发展，尤其是在膝关节疾病的研究中。尽管AI技术具备提升医疗护理效率和精确度的潜力，但其在临床中的具体作用和影响尚未得到充分探索。本文通过系统综述的方式，评估了使用AI算法（包括机器学习和深度学习）支持膝关节疾病临床决策的研究。研究结果表明，AI在膝关节医学中的应用已取得显著进展，但其在诊断和预测方面的直接应用仍存在局限。为了进一步推动AI在膝关节护理中的应用，需要提高研究的透明度和报告标准，并探索其在手术中、术后以及非影像学场景下的实际应用。

人工智能（AI）作为一种强大的工具，能够通过提升整体医疗护理质量来帮助实现最佳治疗效果。尽管AI在医学领域的概念已有数十年的历史，但其早期发展受到了计算能力的限制。然而，随着技术的进步，例如个人电脑在1990年代末的普及以及2008年图形处理单元（GPU）的引入，AI的应用得到了显著提升。如今，AI系统在医疗行业展现出巨大的潜力，尤其是在骨科领域，其能够提供更快、更精确的分析，为临床决策提供支持。

骨科医学正在经历快速的技术变革，AI作为其中的重要组成部分，正在成为推动该领域发展的关键力量。现有的文献显示，AI在骨科中的应用日益广泛，尤其是在膝关节疾病的诊断、预测和管理方面。近期的研究讨论了AI是否能够取代或补充传统的医疗角色，这一趋势表明AI在骨科护理中的重要性正在逐步被认可。AI技术的潜力不仅体现在疾病诊断和预测上，还包括个性化风险评估、远程患者监测、个性化治疗方案设计以及临床决策支持等多个方面。

尽管AI在骨科护理中展现出广阔的应用前景，但目前AI模型在实际应用中的效果仍存在不确定性。例如，Geda等人的一项系统综述和元分析研究显示，虽然AI工具在机器人辅助手术中表现出较高的准确性，但该研究并未在PROSPERO注册，且评估范围广泛，涵盖了多种手术结果，如并发症、翻修、疼痛、功能、运动学、关节活动度、患者报告结果（PROMS）评分、手术部位感染、术后严重疼痛、行走限制等。这种广泛的评估范围导致了研究的异质性较高，部分研究的I2值甚至接近90%，而研究质量的评估也因缺乏统一的AI质量评估指南而受到挑战。相比之下，一项针对髋关节的研究则更为聚焦，其探讨了AI在髋部X光片中用于骨折诊断的应用，并比较了AI模型与专家临床医生在骨折检测和预后预测方面的表现。该研究指出，AI在预后预测方面并未显著优于传统的多变量统计模型。

在膝关节领域，AI模型的实际应用效果仍不明确。目前，关于AI在膝关节护理中的研究数量有限，且多数研究未能充分探讨其在临床中的实际价值。因此，了解AI在膝关节护理中的临床影响对于推动该领域的研究至关重要。本文旨在提供一个全面的视角，探讨AI在膝关节医学中的应用现状，并识别当前研究中的不足之处。我们通过系统综述的方法，对使用AI算法（包括机器学习、神经网络和深度学习）支持成人患者（>18岁）膝关节疾病临床决策的研究进行了分析。研究涵盖了AI算法的类型、临床应用阶段、输入数据以及算法的目的等多个方面，并提取了相关研究的病理类型和发表国家等人口统计学信息。

研究结果显示，在所有筛选出的2761篇文献中，有816篇（约占30%）被纳入分析。其中，66%的研究关注于膝关节疾病的诊断，而34%则侧重于临床预测。最常见的研究对象是骨关节炎，占所有研究的71%，其次是软组织损伤，占15%。在AI方法的选择上，深度学习是最常用的方法，占43%，其次是传统的机器学习方法，占39%。值得注意的是，在被排除的研究中，AI的应用主要体现在间接方面，占21%。这些间接应用主要包括图像识别（25%）、图像分割（42%）和测量（17%）等任务。

研究还指出，当前AI模型在临床应用中的挑战主要体现在三个方面：一是模型的可重复性不足，二是其在不同人群和场景中的泛化能力有限，三是临床适用性有待提高。这些问题限制了AI模型在实际医疗环境中的推广和应用。为了克服这些挑战，未来的研究应更加注重提高研究的透明度和报告标准，同时探索AI在手术中、术后以及非影像学场景中的应用，以增强其临床价值。

此外，研究强调了AI在膝关节护理中的研究缺口。尽管膝关节是AI研究中最为广泛涉及的下肢关节，且膝关节疾病具有较高的发病率，但目前关于AI在与临床实践结合的研究仍然较少。因此，本文通过系统综述的方式，不仅总结了当前AI在膝关节护理中的应用情况，还提出了未来研究的方向和建议。研究希望为AI模型从实验室研究到临床应用的转化提供实用的指导，推动AI技术在膝关节医学中的进一步发展。

在研究方法方面，本文遵循了Joanna Briggs Institute（JBI）系统综述的方法论，并结合了PRISMA-ScR指南，以确保研究过程的透明性和减少报告偏差。研究团队在进行系统综述之前制定了明确的协议，包括研究目标、方法（包括纳入和排除标准、数据提取、分析和呈现方式）以及研究结果的报告。详细的协议已注册，以确保研究的可重复性和严谨性。通过检索MEDLINE、EMBASE和ISI Web of Science等数据库，研究团队获取了2008年至2025年间发表的英文文献，并对这些文献进行了筛选和分析。

研究结果表明，AI在膝关节医学中的应用主要集中在两个方面：诊断和预测。其中，诊断相关研究占大多数，而预测相关研究则相对较少。这一现象可能与膝关节疾病的复杂性和多变性有关，因为诊断通常需要对影像数据进行深入分析，而预测则需要考虑更多的变量和长期随访数据。此外，研究还发现，深度学习在膝关节医学中的应用最为广泛，这可能与其在图像识别和模式分析方面的优势有关。然而，传统的机器学习方法仍然在膝关节医学中占据重要地位，这表明AI技术的多样化应用对于不同类型的膝关节疾病研究具有重要意义。

在研究质量方面，本文指出当前AI在膝关节医学中的研究仍存在一定的局限性。许多研究在方法学设计上不够严谨，缺乏对数据质量的严格评估，同时也缺乏对模型泛化能力和临床适用性的深入探讨。这些问题不仅影响了研究结果的可靠性，也限制了AI模型在临床实践中的推广。因此，未来的研究需要更加注重方法学的严谨性，包括明确的纳入和排除标准、标准化的数据收集和分析方法，以及对模型性能的全面评估。

在临床应用方面，AI技术的潜力仍然有待进一步挖掘。例如，AI在术中和术后护理中的应用尚未得到充分研究，这可能是因为这些场景需要高度精确的实时数据处理和决策支持，而目前的技术水平和数据获取能力尚未完全满足这些需求。此外，AI在非影像学场景中的应用也较少，这可能与当前研究的侧重点有关。然而，随着技术的不断进步，AI在这些领域的应用前景十分广阔。未来的研究应探索AI在手术导航、术后康复监测、患者自我管理以及慢性疾病管理等方面的应用，以提高其在临床护理中的实际价值。

本文的研究还强调了跨学科合作的重要性。AI技术的发展需要医学、工程学、计算机科学等多个领域的专家共同努力，以确保技术的应用能够真正满足临床需求。此外，研究团队建议未来的研究应更加关注AI模型的可解释性，以提高其在临床决策中的可信度和接受度。同时，研究还指出，AI模型的开发和应用应更加注重伦理和法律问题，以确保其在临床实践中的合规性和安全性。

在数据来源方面，本文的研究涵盖了来自不同国家和地区的文献，反映了全球范围内对AI在膝关节医学中的研究兴趣。然而，研究也发现，某些国家或地区的研究相对较少，这可能与当地医疗资源的分配、技术发展水平以及研究者的兴趣有关。因此，未来的研究应更加注重全球范围内的合作与交流，以促进AI技术在膝关节医学中的广泛应用。

综上所述，人工智能在膝关节医学中的应用正逐步扩大，但仍存在诸多挑战和研究缺口。未来的研究应更加注重方法学的严谨性、数据的标准化以及AI模型的临床适用性，以推动其在实际医疗环境中的应用。同时，跨学科合作和全球范围内的研究交流也是实现AI技术在膝关节护理中广泛应用的重要途径。通过不断优化AI模型的设计和应用，我们有望在未来实现更加精准、高效的膝关节疾病诊断和治疗，为患者提供更好的医疗服务。