基于深度学习的腰椎MRI椎体骨质量评分自动测量：AI算法的开发与验证

本研究开发了一种基于YOLOv8的人工智能算法，可自动从常规腰椎MRI中预测椎体骨质量评分(VBQ)。通过257例T1加权MRI验证显示，该模型在椎体检测中表现优异（精确度0.9429，召回率0.9076），VBQ评分与人工标注具有强相关性（Pearson系数0.9）。该技术为术前骨健康评估提供了高效自动化解决方案，有望改善脊柱手术预后。

　　

亮点

骨健康是预测脊柱手术负面结果的关键因素。[1] 早期识别骨质量差的患者可启用特立帕肽等药物，促进骨愈合。[2] 当前临床实践中，多数患者未接受充分术前评估。[3]

VBQ评分计算

作为新兴指标，VBQ评分存在多种计算方式。本研究针对腰椎T1加权MRI采用三步法（图1），复现Ehresman等人的原始方案：

1. 切片选择：中矢状位切片能最佳显示椎体

2. 椎体信号强度测量(SI_L1-L4)：在L1-L4椎体髓质骨内放置圆形ROI

3. 脑脊液标准化：用CSF信号强度(SI_CSF)进行标准化，最终VBQ=SI_L1-L4/SI_CSF

结果

AI模型椎体检测性能：精确度0.9429，召回率0.9076，mAP@0.5达0.9403。表2显示评估者间一致性：人-人ICC为0.95，人-AI ICC达0.93。VBQ评分相关性分析显示，AI与人工测量的Pearson系数为0.9，RMSE仅0.42。

讨论

该AI算法在MRI椎体检测中展现0.8288的mAP@[0.5:0.95]，且人-AI一致性统计量与人类评估者无显著差异。自动化VBQ评分消除了人工操作变异性，为临床决策提供客观依据。

结论

本研究建立的AI算法能可靠计算腰椎MRI的VBQ评分，通过自动化评估提升骨健康筛查效率，有望优化手术患者管理流程。