综述：人工智能在脊髓损伤急性和亚急性阶段应用的系统评价

《Spinal Cord》：The application of artificial intelligence in the acute and sub-acute phases of spinal cord injury- a systematic review

本综述系统评价了人工智能（AI）在创伤性脊髓损伤（SCI）急性和亚急性期管理中的应用，涵盖诊断、预后预测及治疗干预。分析表明，机器学习（ML）模型在预测神经功能状态（AIS评分）、功能独立性测量（FIM）及并发症等方面表现优异，部分甚至超越人类判断。尽管存在样本量小、验证不足等局限，AI在推动SCI个体化精准医疗方面展现出巨大潜力。

　　

图像分割：AI的精准诊断之眼

医学影像分割在脊髓损伤诊断中扮演着关键角色。研究表明，AI能够高效识别和测量脊髓损伤病灶，并区分正常脊髓组织。例如，SCIseg模型在脊髓和脊髓损伤病灶分割中分别达到0.92±0.07和0.61±0.27的平均Dice分数，显示出高精度。更有趣的是，AI分割的病灶特征（如病灶体积）与出院时的神经功能评分显著相关，证明了其临床实用性。此外，AI还能在存在植入物伪影的MRI图像中准确分类损伤严重程度和定位病灶，其中梯度提升机（GBM）和XGBoost模型表现最佳，曲线下面积（AUC）高达0.98-1.00。

预后预测与管理建议：AI的临床决策支持

在预后预测方面，AI模型重点关注神经功能状态（如AIS评分变化）、功能结局（如行走能力、自我护理）及医院资源利用等。年龄、初始AIS评分、损伤神经节段（NLI）、运动评分等是常见预测因子。例如，机器学习算法能预测患者出院时AIS评分、6个月后的行走能力，甚至长期生存率。一项研究开发的脊髓损伤风险评分（SCIRS）在预测院内和1年死亡率方面优于传统损伤严重度评分（ISS）。

在管理建议方面，AI分析了术中平均动脉压（MAP）记录，发现理想MAP范围（76-104 mmHg）与神经功能改善相关。此外，研究指出，在胸腰段运动完全性损伤（AIS A和B）患者中，早期手术（25.7小时内）与AIS评分改善显著相关。这些发现为临床指南提供了数据支持，尤其是在传统临床试验难以实施的领域。

功能结局与患者分型：AI的个体化洞察

功能独立性测量（FIM）、脊髓独立性测量（SCIM）等评分是评估功能恢复的重要指标。AI模型不仅预测这些结局，还能通过聚类分析将患者分为不同亚组，从而揭示损伤特征、年龄、治疗延迟等因素的复杂交互作用。例如，一项研究基于年龄、体重指数（BMI）、NLI等变量将患者分为5个亚组，有助于制定个体化康复策略。

局限与展望：AI在SCI领域的挑战与机遇

尽管AI表现强劲，但其临床应用仍面临挑战。多数研究存在样本量小、回顾性设计、外部验证不足等问题，导致模型开发质量和高偏倚风险。此外，AI在长期康复和非创伤性SCI中的应用尚未充分探索。未来需前瞻性研究验证AI工具的可靠性，并推动其与临床工作流整合。

结论

人工智能通过影像分割、预后预测和管理优化，为脊髓损伤的个体化诊疗提供了有力工具。其高精度和高效能有望辅助临床决策，改善患者结局，但仍需进一步研究克服现有局限，实现全面临床转化。