基于站立CT的有限元模型高效识别马掌骨软骨下骨高机械应变区域

《Scientific Reports》：Standing CT-based finite element models efficiently identify regions of high mechanical strain in equine metacarpal subchondral bone

本研究针对赛马掌骨应力性骨折难以早期预测的临床难题，开发了基于站立CT的切片有限元(FE)模型。研究人员通过对比三维和切片FE模型，发现切片模型能高效识别掌骨远端软骨下骨(SCB)在掌骨-近籽骨关节面的高应变区域（如近矢状沟PSG和髁部），应变分布模式与三维模型高度一致，且计算时间缩短约75%。该方法为临床快速评估赛马关节生物力学行为、早期识别骨折风险提供了新工具。

　　

在竞技体育的世界里，无论是人类运动员还是赛马，应力性骨折都是一种常见的、且往往具有毁灭性的运动损伤。对于纯血赛马而言，掌指关节（MCP）是最常发生应力性骨折的部位。在训练和比赛中，这个关节承受着高强度、高频率的循环载荷，导致关节表面软骨下骨（Subchondral Bone, SCB）反复受到巨大的压力。这种持续的机械刺激会引发SCB的硬化（骨质密度异常增加）、微裂纹以及基质损伤。这些微小的损伤如果不断累积，最终可能进展为致命的矢状面髁部骨折或掌侧骨软骨病（Palmar Osteochondral Disease, POD）。尽管髁部骨折的病理过程已较为明确，但科学界和兽医临床仍面临一个核心挑战：如何早期、准确地识别哪些SCB的微观损伤特征最有可能预示着即将发生的骨折风险？解决这一难题，对于保护赛马福利、避免灾难性骨折至关重要。

目前，计算机断层扫描（CT）因其能够对站立镇静状态下的马匹快速进行四肢关节成像，已成为一种实用的临床检测手段。CT虽然无法直接观察到微损伤，但可以揭示骨骼形态和骨矿物质密度（Bone Mineral Density, BMD）分布的变化，例如能识别出低BMD的溶骨性病变和高BMD的硬化区域。然而，仅凭CT影像，临床医生仍难以判断哪些特定的溶骨或硬化模式预示着更高的骨折风险。骨骼的抗疲劳能力不仅取决于其密度和结构，更与载荷作用下内部产生的机械应变密切相关。由于难以在活体SCB内植入传感器直接测量应变，有限元（Finite Element, FE）分析成为一种强大的非侵入性工具，它能够基于医学影像模拟载荷在骨骼内部的传递与分布，从而预测关键区域的应力和应变。

尽管基于微CT的FE模型曾在小块骨-软骨样本水平上精确预测过应变分布和微骨折位置，但在整个关节尺度上评估SCB机械行为的研究却非常少见。以往的研究或只关注软骨应力而将骨骼假设为刚性材料，或关注于损伤较少发生的关节。更重要的是，开发关节特异性的三维FE模型虽然能提供详尽的力学信息，但其过程耗时耗力，且需要大量的计算资源，限制了其在临床快速评估中的应用。相比之下，基于单一CT切片的“切片”FE模型则展现出高效、快捷的潜力。先前在人类骨骼的研究表明，此类模型能有效估计局部机械行为并改善骨折风险评估。

基于此，来自墨尔本大学等机构的研究团队在《Scientific Reports》上发表了一项研究，旨在验证一种基于站立CT的“挤压式”切片FE模型在马掌骨生物力学分析中的有效性。研究人员提出了一个核心假设：这种简化的切片模型能够作为一种快速、可靠的替代方案，用于评估赛马关节SCB的应力与应变，其预测结果与复杂的三维模型具有可比性。

为了验证这一设想，研究人员开展了系统性的工作。他们首先获取了三匹具有不同SCB状况（双侧硬化、近矢状沟溶骨性病变伴硬化、双侧髁部溶骨性病变）的赛马的站立CT影像。接着，他们为每匹马建立了两种FE模型：一种是包含完整骨骼、软骨、近籽骨（PSBs）和韧带结构的全三维模型；另一种则是从三维模型中提取一个特定的背侧斜切面（通常通过病变或硬化区域中心），然后将该单一切片挤压成20毫米厚的体积块，从而构建出“切片”FE模型。这两种模型都采用了基于CT灰度值（Hounsfield Unit）映射的非均匀材料属性，以更真实地反映SCB密度的空间变化。通过比较两种模型预测的关节软骨接触压力、SCB内部的应变（包括最大主应变_t和最小主应变_c）和应力（如冯·米塞斯应力）分布、高应变骨体积以及主应变方向，并辅以敏感性分析来检验模型对输入参数变化的稳健性。

主要技术方法概述

本研究关键技术包括：1) 利用站立CT对活体赛马掌指关节进行成像，获取具有不同SCB病理特征（硬化、溶骨）的影像数据；2) 通过图像配准和二维旋转（49度）将站立姿态的关节图像调整为模拟奔跑中期负重姿态；3) 分别构建关节特异性的三维有限元模型和基于单一背侧斜切片的“挤压式”切片有限元模型；4) 应用基于骨矿物质密度的非线性材料属性，模拟骨骼、软骨（近乎不可压缩的超弹性模型）和韧带的力学行为；5) 在近籽骨韧带表面施加模拟肌腱张力的载荷（约7 kN），模拟奔跑中期的关节受力；6) 通过对比两种模型的预测结果并进行敏感性分析，验证切片模型的效率和准确性。

三维有限元模型验证与关节力学特征

研究团队首先验证了所开发的三维FE模型的可靠性。模型预测显示，载荷通过近籽骨韧带（ISL）传递，在关节软骨（AC）上产生了平均12.6 ± 3.1 MPa的压力。压力最高区域位于关节的掌侧部分，而在矢状嵴（Sagittal Ridge, SR）区域压力几乎为零。这一压力分布模式与既往的离体实验测量结果定性一致，支持了本模型所采用的载荷配置和边界条件的合理性。这表明模型能够较好地模拟出生理状态下掌指关节的力学环境。

切片与三维模型预测高度一致

核心发现在于，切片FE模型与三维FE模型在预测关键生物力学指标上表现出高度一致性。在关节软骨压力方面，两种模型在整个内外侧宽度上预测的压力曲线非常接近，均显示压力峰值出现在髁部区域，而在矢状嵴处压力最小，其均方根误差（RMSE）仅为1.82 ± 0.46 MPa。特别是在存在溶骨性病变的马匹（如BCL）中，两种模型都观察到了载荷重新分布的现象：压力在病变周围的硬化骨中较高，而在病变本身内部较低。

在SCB内部组织应变和应力方面，两种模型预测的整体分布模式也非常相似。它们均识别出最大主应变（拉伸）和最小主应变（压缩）的峰值区域位于内外侧近矢状沟（PSG）和髁部，而矢状嵴区域的应变始终最小。虽然切片模型在应变幅值上略有低估（平均差异约12%），但在识别高应变区域的位置上非常准确。

高应变骨体积与应变方向

三维模型预测的高应变（应变值超过90百分位数）骨体积略大于切片模型，尤其是在仅有硬化而无明显病变的马匹中。在SCB深度方向上，两种模型均显示峰值拉伸和压缩应变出现在最表浅的SCB（即软骨-骨骼界面处），并随着向深层SCB延伸而逐渐降低。主应变方向的分析揭示了重要的力学信息：在所有模型中，压缩应变（最小主应变）方向主要垂直于关节表面，而拉伸应变（最大主应变）方向则与关节表面相切。在没有病变的马匹中，应变方向呈均匀对称分布；而在存在溶骨性病变的马匹中，应变方向会围绕病变发生偏转，显示出载荷的重新分布。这两种模型在应变方向的预测上也表现出高度一致性。

显著的效率优势与稳健性

该研究最引人注目的优势在于切片FE模型带来的巨大效率提升。切片模型的平均CPU计算时间（16,984秒）和实际计算时间（3,037秒）均显著低于三维模型（分别为71,139秒和14,245秒），计算速度提高了约四倍。更重要的是，三维模型耗时而易出错的 segmentation（分割）过程（通常需要数小时手动操作），在切片模型流程中通过定制Python脚本实现了高度自动化，仅需约10分钟的视觉验证即可完成，大大减少了人为主观误差和操作时间。

敏感性分析结果表明，切片FE模型的预测结果对大多数输入参数的变化具有较强的稳健性。改变近籽骨（PSBs）和韧带（ISL）的弹性模量，或模拟微小的 segmentation 误差（如将PSB移动一个像素，约0.7毫米），所引起的应力和应变变化大多低于9%。然而，关节软骨（AC）的泊松比（Poisson's ratio）被确定为最敏感的参数。当泊松比从0.4999（模拟近乎不可压缩的健康软骨）降低到0.3（模拟退行性变的、更可压缩的软骨）时，SCB的峰值拉伸应力和应变分别增加了23.5%和15.9%。这一发现凸显了准确模拟软骨在高速载荷下的不可压缩性对于精确预测SCB力学环境的重要性，同时也表明本研究所采用的“挤压式”切片模型（允许三维变形）比传统的二维平面应变假设更能反映真实的关节力学行为。

研究结论与意义

Fatemeh Malekipour、R. Chris Whitton、Peter Muir和Peter Vee-Sin Lee等人的这项研究有力地证明，基于站立CT的挤压式切片有限元模型是评估赛马掌骨远端SCB生物力学行为的一种有效、高效且稳健的工具。尽管在预测应变绝对值和高应变骨体积方面与详尽的三维模型存在细微差异，但切片模型在识别高机械应变区域（即骨折高风险区域）的整体模式上与三维模型高度一致。该方法成功地将复杂的关节生物力学分析简化到一个可快速实施的框架内，计算速度提升约四倍，同时对常见的模型参数不确定性和分割误差不敏感。

这项研究的成果具有重要的转化医学价值。它为解决赛马应力性骨折早期预警的临床难题提供了一种潜在的实用工具。通过将临床常规获取的站立CT影像快速转化为生物力学模型，兽医和研究人员能够非侵入性地评估SCB的机械负荷状态，识别出那些尽管在常规影像上变化不显著、但生物力学环境已趋于危险的个体。这不仅有助于制定更具针对性的训练和干预策略，预防灾难性骨折的发生，保障赛马福利，也为深入理解骨骼疲劳损伤的积累机制提供了新的视角。未来，随着更多临床数据的积累和模型的进一步优化，这种高效的“影像-力学”分析管道有望成为运动医学和兽医骨科领域一项重要的辅助决策技术。