综述：脊柱手术后手术部位感染的传统与人工智能模型预测性能及泛化能力的系统评价

这篇系统评价首次全面比较了传统统计模型与人工智能（AI/ML）模型在预测脊柱手术后手术部位感染（SSI）中的表现，发现机器学习模型虽展现出卓越的判别能力（44.4%的AI模型C-statistic≥0.9），但普遍缺乏外部验证和校准评估，临床适用性仍受限。研究强调需标准化模型评估框架，并探索多模态数据整合以提升预测效能。

　　

背景与目的

随着全球老龄化加剧，脊柱手术量逐年上升，而手术部位感染（SSI）作为第三大常见并发症，发生率可达0.2%-16.1%，单例治疗成本高达3.7万美元。传统统计模型（如逻辑回归）长期主导SSI风险预测，但近年来人工智能（AI）尤其是机器学习（ML）展现出突破性潜力。本研究首次系统评价两类模型的预测性能与临床适用性，为精准医疗提供循证依据。

研究方法

团队遵循PRISMA指南，检索7大数据库共2736篇文献，最终纳入51项研究（42项传统模型，9项AI模型）。采用PROBAST工具评估偏倚风险，以C-statistic（AUC-ROC）和校准指标（Hosmer-Lemeshow检验、Brier评分）为核心评估标准，定义AUC≥0.9为"超越优秀"。

传统模型：稳健但天花板明显

传统模型以多变量逻辑回归（95.2%）为主，多基于回顾性数据（88.1%），聚焦腰椎手术（30.9%）。关键风险因素包括高龄（69%研究纳入）、糖尿病（64.3%）、肥胖（54.8%）和术中失血（50%）。性能上：

• 40.5%模型AUC为0.7-0.8（良好）
• 仅4.8%突破0.9
• 47.6%完成校准评估，Hosmer-Lemeshow为主要方法

AI模型：高潜力与高风险并存

9项AI研究均使用结构化数据，决策树（77.8%）和线性模型（77.8%）占比最高，随机森林（77.8%）和XGBoost（33.3%）表现突出。性能呈现两极分化：

• 55.5%模型AUC≥0.9（单中心数据尤佳）
• 但33.3%报告校准数据，且无外部验证
• 单中心模型AUC（0.79-0.99）显著优于多中心（0.62-0.63）

临床转化瓶颈

尽管AI模型展现出"超优秀"判别力，三大短板制约临床落地：

1. 数据孤岛效应：88.9%研究依赖单中心数据，捕获的可能是机构特异性噪声而非普适规律
2. 校准缺失：仅3项研究评估概率校准，可能误导临床决策
3. 验证不足：缺乏独立队列验证，过拟合风险高

未来方向

研究者提出四维突破路径：

1. 标准化评估：采用TRIPOD等报告规范，强制要求校准指标和外部验证
2. 数据革命：构建多中心前瞻性注册库，整合术后尿潴留（POUR）、胃肠功能等未开发变量
3. 技术升级：开发多模态AI模型，融合影像学、病理文本等非结构化数据
4. 临床整合：通过可视化工具（如校准曲线）辅助医生解读模型输出

局限性

研究受限于AI文献数量少（仅9项）和回顾性数据主导（100%AI研究），且SSI定义存在异质性（28.6%未说明标准）。未来需更多前瞻性研究和跨机构协作以验证结论。

结语

这项里程碑式系统评价揭示了AI在SSI预测中的"高精度假象"，强调当前模型仍处于"技术演示"阶段。通过解决数据质量、校准透明度和验证严谨性三大挑战，下一代AI工具或将成为脊柱外科精准预防的新基石。