《European Spine Journal》：Integrating predictive modeling, imaging, and EHR-linked decision support in spine informatics
摘要
引言：人工智能（artificial intelligence, AI）正在日益变革脊柱诊疗，其通过分析影像、临床及文本数据以支持诊断、风险分层和治疗规划。基于深度学习（deep learning）的影像分析、影像组学（radiomics）以及自然语言处理（natural language processing, NLP）等技术，为标准化影像判读及提取超越人类视觉评估的定量生物标志物提供了机会。本叙述性综述旨在探讨脊柱生物医学信息学领域的最新创新，并评估其临床相关性与转化挑战。
方法：开展了一项叙述性综述，聚焦于AI在脊柱诊疗中的应用，涵盖影像分析、影像组学、电子健康记录（electronic health records, EHR）的NLP以及临床决策支持。通过针对性的PubMed检索筛选文献；对涉及技术开发、验证及临床实施的研究进行综合归纳，并探讨了可解释性、不确定性、工作流程及监管等方面的问题。
结果：卷积神经网络（convolutional neural networks, CNNs）可实现椎体与椎间盘分割、退行性及创伤性病变检测，以及椎旁肌肉的定量评估。影像组学方法可提取高维影像特征，从而改善骨质疏松、骨折风险、肿瘤特征刻画及手术结局的预测。NLP技术，包括新兴的大语言模型（large language models, LLMs），可从非结构化文本中解锁临床相关信息，增强结局预测及人群层面分析。整合影像、EHR数据及NLP衍生特征的多模态临床决策支持系统，在个性化风险评估与治疗指导方面展现出应用前景。然而，数据异质性、泛化性、隐私保护及前瞻性验证等方面的挑战仍然存在。
结论：AI驱动的生物医学信息学在提升脊柱诊疗的诊断准确性、预后判断及个性化决策方面具有巨大潜力。成功的临床转化将需要稳健的验证、可解释且具有不确定性感知的模型、监管对齐以及融入临床工作流程，以确保安全、可信且以患者为中心的临床应用。
AI驱动的脊柱影像分析
椎体、椎间盘及椎旁肌肉等复杂结构往往难以被一致评估，从而导致偶发的人为判读误差。为弥合这一差距，基于卷积神经网络（CNN）的处理流程现已能够在MRI或CT影像上快速测量椎体形态学参数及椎间盘退变程度，产生客观评估结果，其准确性可媲美甚至超越人工阅片。针对脊柱复杂解剖结构专门设计的网络架构，还能够检测出通用计算机视觉模型可能遗漏的细微异常，如早期椎间盘脱水或小的终板病变。
为解决脊柱几何形态的异质性，研究人员引入了先进的网络设计。注意力增强型CNN可将模型聚焦于关键椎体特征，从而提高解剖变异区域的分割准确性。类似地，多尺度网络（如MultiResUNet）引入显著性机制以更精确地定位椎间盘边界，实现更精细的椎间盘分割。基于图像块（patch）的神经网络以高分辨率分析小区域图像，能够捕捉整体分析可能忽略的细微病变（如小肿瘤或局灶性钙化）。VertXNet是一种结合规则化修正的集成模型，可在X线片上标记椎体节段并以高可靠性识别滑脱等力线异常。AI增强技术也已拓展至软组织，深度学习模型现可对MRI上的椎旁肌肉进行分割，以量化肌肉脂肪浸润或萎缩程度，这是评估患者虚弱状态及术后康复需求的重要指标。
影像组学与定量影像生物标志物
计算图像分析的一大优势在于能够通过影像组学从医学扫描图像中提取定量生物标志物。影像组学本身并非AI模型，也不涉及模型训练；它是一种图像分析技术，可计算数百个定量的图像衍生特征，包括强度分布、纹理模式、形状描述符及空间关系，其中许多特征是人眼不可感知的。被证明具有可重复性且具有临床意义的特征可用作定量影像生物标志物；影像组学特征通常作为独立训练的机器学习（ML）模型的输入，而非自身构成AI系统。开源平台如PyRadiomics使研究人员能够以标准化方式计算这些特征，从而从每个分割的椎体或椎间盘中获得大量潜在生物标志物。这些指标将退行性变化及肿瘤形态的特征刻画从“轻度”或“重度”等局限分类中解放出来。
在脊柱影像研究中，通过CT影像组学分析椎体骨小梁纹理及几何结构，已能够改善骨质疏松及骨折风险的预测。一项研究发现，基于常规CT扫描的多变量影像组学特征预测腰椎骨质疏松的准确性优于临床常用的亨氏单位（Hounsfield unit, HU）阈值。在脊柱肿瘤学背景下，基于MRI训练的影像组学模型已成功区分良性椎体血管瘤与恶性转移性病变，这有望减少对不确定病例进行有创骨活检的需求。
为确保影像组学分析的可靠性，空间归一化及强度协调等图像预处理步骤对于减少因扫描仪或成像协议差异造成的变异性至关重要。研究人员已部署稳健的CNN模型（如U-Net、nnU-Net等），以在大型多中心数据集中一致地分割椎体或椎间盘，从而在影像组学工作流程中实现特征提取自动化。在准确分割的基础上，数百个特征可被输入机器学习算法以构建预测模型——该方法正越来越多地应用于脊柱中心。例如，Saravi等人将术前腰椎MRI的影像组学特征与临床变量相结合，对腰椎间盘突出症术后结局进行建模，说明在成像协议标准化的情况下，基于影像组学的流程可为手术预后判断提供信息。
影像组学的真正潜力在与其他数据类型整合时得以进一步展现。近期的脊柱研究已开始将影像组学特征与临床及生物学数据相结合以改善结局预测。将MRI纹理特征与生化标志物（如血清细胞因子水平、内分泌谱等）及基因组数据相结合，可提高预后模型的准确性。诸如MONAI（Medical Open Network for AI）等框架通过提供在统一流程中处理多模态输入（影像、EHR数据、基因组谱）的工具，促进了这一融合，将影像表型与潜在分子过程联系起来。
然而，影像组学仍有重要局限性。许多特征（如基于小波或其它变换衍生的纹理指标）缺乏明确的生物学或临床对应关系，因此即使这些特征改善了模型性能，也难以从临床角度阐明其意义。影像组学特征在不同扫描仪、采集协议及分割方法之间也可能不稳定，且高维特征面板存在过拟合及假阳性关联的显著风险。因此，标准化的提取流程、协调处理流程及外部验证是影像组学特征应用于临床的前提条件。
自然语言处理与电子健康记录数据整合
虽然影像是脊柱诊断的基石，但大量患者信息存在于自由文本的临床记录、放射学报告、手术记录及其它非结构化数据中。自然语言处理（NLP）使计算机能够解析多年的叙述性健康记录并提取相关信息，从而获取可能在结构化字段中未被编码的患者症状进展、既往治疗或并发症等情况。医院已利用NLP通过挖掘口述手术记录及出院小结进行脊柱手术结局的网络级分析。
在一项试点研究中，研究人员处理了腰椎融合术患者的外科医生记录及出院报告，以预测住院再入院风险。类似地，其他研究表明，与仅依赖账单编码相比，对放射科医生报告进行文本挖掘可提高大型患者队列中脊柱影像学发现的识别能力。
现代医学NLP日益依赖先进的语言模型。领域特异性模型，如BioClinicalBERT或其他基于Transformer架构、在生物医学语料库上预训练的模型，擅长理解临床术语及语境。当整合入脊柱信息学流程时，此类模型可判读病理报告以确定肿瘤分级，或扫描手术记录以评估所采用的手术入路。在前沿的脊柱决策支持系统中，NLP衍生特征（如患者疼痛描述的情感或复杂程度，或提示神经功能缺损的特定关键词）正被与影像学及数值数据相结合，以优化数据库、为风险计算器提供输入并提供患者的整体视图。
近年来，大语言模型（LLM）已发展为通用型NLP系统，能够总结临床文档、回答临床问题并起草面向患者的沟通内容。在脊柱诊疗中，对ChatGPT等聊天机器人的早期评估已考察其对腰椎管狭窄症及腰椎间盘突出症相关问题的回答，结果显示其与临床指南具有总体合理的符合度，但也存在不完整、不一致或过于笼统的回答。近期一项范围综述发现，LLM在脊柱诊疗中的表现以文本任务（如患者沟通与文档记录）最为突出，在图像判读及手术规划方面较弱，且大多未经前瞻性验证。由于LLM可能生成看似自信但错误的陈述，因此在其输出整合入脊柱临床工作流程之前，需要严格的验证、人工监督及明确的责任框架。
尽管NLP具有应用前景，但医疗中的NLP必须应对语言歧义、文档风格差异及广泛验证需求等挑战。因此，EHR关联的NLP已成为综合脊柱信息学的重要组成部分，补充影像数据及结构化临床数据，以辅助诊断和治疗决策。
脊柱诊疗的临床决策支持系统
下一代脊柱临床决策支持系统（CDSS）聚合来自多种数据流的信息——影像学发现、EHR数据（人口统计学、合并症、实验室结果）、通过NLP获得的非结构化记录、可穿戴传感器读数，甚至遗传或生物力学信息。与早期基于规则的系统不同，现代CDSS通常采用多模态AI模型来处理复杂高维输入，从而在护理点为临床医生提供患者特异性的风险评估或治疗建议。
近期概念验证系统已展示了多模态输入整合的可行性。研究人员开发了诸如NeuropredX和SPINE-CALC等平台，作为脊柱手术结局的预测分析工具。纳入的因素包括术中神经监测信号、术前影像标志物、患者遗传学及人群层面风险模型。这些系统预测的结局包括客观围手术期终点（如并发症、再手术、再入院及住院时间延长），以及较长期的患者报告结局指标（PROMs），如Oswestry残疾指数（Oswestry Disability Index, ODI）和疼痛评分。在一项实例中，将无监督聚类算法应用于大型成人脊柱畸形登记数据，所得数据驱动表型与实际接受的治疗密切吻合。此类聚类属于描述性方法；确定手术或保守治疗对个体患者是否真正适用将需要因果推断框架，尽管这些表型可能有助于识别需更深入手术评估的患者。
为获得临床医生的接受，脊柱CDSS在设计时考虑到了可解释性及工作流程整合。许多平台现提供可视化仪表板，突出显示AI工具识别的关键患者风险因素，使医生能够探索某项推荐的理由。例如，若CDSS建议对虚弱患者避免手术，其可能显示该患者的高合并症负担及较差的骨质量（低影像组学骨密度评分）是模型预测的主要贡献因素。
此外，CDSS正日益设计为与现有医院IT系统整合，从而无缝出现在临床医生的工作流程中，而非作为独立的、干扰性的应用程序。Avicenna.AI的FDA批准的CINA C-Spine工具利用深度学习在创伤CT扫描中自动检测颈椎骨折，并向放射科医生发出警报，显著缩短了急诊诊断时间。同样，一种自动化椎体压缩骨折检测算法（Aidoc）已被整合入放射学实践，改善了脊柱骨折的报告周转时间及分诊效率。此类部署表明，脊柱专科AI决策支持能够有效转化至临床实践，通过标准化判读和优先处理紧急发现来辅助医疗提供者。
可解释且值得信赖的AI
随着AI系统更多参与脊柱诊疗决策，可解释人工智能（XAI）的需求变得至关重要。为提升可靠性，AI模型应提供可解释的输出，如每个预测的特征级归因，以便专家在关键决策前审查和验证。XAI技术旨在阐明复杂模型如何得出预测，从而使AI成为协作工具而非不可理解的预言机。
现代脊柱CDSS原型明确包含XAI组件，如用于解释表格型风险预测的SHAP（Shapley Additive Explanations）、用于在MRI图像上叠加显著性图谱的Grad-CAM（Gradient-weighted Class Activation Mapping），以及用于解释病理报告处理过程的集成梯度（integrated gradients）。通过提供这些多层面解释，系统可确保任何推荐（如“若现在进行手术则感染风险较高”）都能够使医疗团队在将其纳入最终决策前，审查AI提出该建议的原因（如“患者的糖尿病和高BMI是重要因素，且MRI显示软组织水肿”）。
SHAP和LIME（Local Interpretable Model-Agnostic Explanations）是两种流行的XAI方法，可将模型的预测归因于其输入特征。骨质疏松的高SHAP值可能表明模型认为较差骨质量是预测并发症风险的强贡献因素。通过确认AI识别出有意义的特征，XAI提高了临床医生对模型的信心。
最常见的可视化解释工具是Grad-CAM，其在图像上生成热力图以突出强烈影响模型输出的区域。实践中，若AI在X线片上标记椎体压缩骨折，可生成Grad-CAM热力图以显示CNN所关注的图像区域，从而向放射科医生确认AI的关注区域是否恰当。类似地，在基于NLP的模型中，集成梯度可指示临床记录中哪些词语或短语对预测影响最大。
然而，可解释性本身并不确立可信度；临床医生还需知道模型对每个个体预测的置信程度。不确定性量化（uncertainty quantification）通过估计单个输出的可靠性来满足该需求，区分源于临床数据固有噪声的偶然不确定性（aleatoric uncertainty）与反映模型及训练数据局限性的认知不确定性（epistemic uncertainty）。贝叶斯近似、深度集成、校准分析及保形预测（conformal prediction）等技术可标记低置信度预测，使其交由人工判断而非自动执行。将校准后的不确定性随每个推荐一并传达，日益被视为可信临床AI的前提。
除提升使用者舒适度外，可解释性也被视为道德要求与监管要求。透明AI维护问责原则：若AI辅助决策导致不良结局，具备解释可分析模型是否出错及原因。随着监管机构开始对高风险医疗AI强制要求透明度，如欧盟拟议的《AI法案》强调可解释性，XAI及不确定性报告很可能成为临床AI工具的标准组成，确保算法决策仍可供人类审查。
挑战与未来方向
尽管脊柱AI取得了显著进展，但在这些工具完全整合入常规诊疗之前仍面临重大挑战。一个基本障碍是泛化性，因为从单一医院或患者人群数据训练的模型在外部应用时常出现性能下降。这一问题在影像应用及影像组学流程中尤为突出，因为MRI/CT扫描仪、采集设置或标注协议的差异可能改变影像组学特征，并削弱基于CNN的分割在不同中心间的可靠性。解决此类限制将需要大型代表性训练数据集及适用于新临床环境的域适应技术。
与此密切相关的是数据隐私及机构间协作的挑战。高质量、标注完善的数据是AI模型的命脉，但HIPAA和GDPR等隐私法规限制了数据共享，制约了多中心模型开发。联邦学习（federated learning）已成为一种有前景的方法，模型可在不交换敏感数据的情况下协作训练；仅将学习到的参数发送至中央服务器，由服务器聚合并生成全局模型。该方法显著降低了隐私风险，因为没有个体患者记录离开所在机构。脊柱领域的证据正在积累：一项使用多中心成人脊柱畸形数据的模拟研究表明，腰骨盆力线模型的联邦训练可在保持数据本地化的同时接近集中式训练的准确性；近期综述亦概述了脊柱外科联邦研究的实践要求。
尽管联邦学习具有隐私保护前景，其也引入了自身的技术挑战。各参与机构的数据常反映中心特有特征（如创伤或肿瘤专科中心），若这些因素未得到适当管理，可能阻碍模型收敛。此外，地方中心可能面临计算负担，因为并非所有医院都具备训练大规模深度学习模型所需的硬件（如GPU）。正在进行的研究正通过自适应联邦算法、安全多方计算协议及数据协调标准来解决这些问题，以增强隐私保护和跨中心兼容性。
除技术考量外，临床整合的成功还取决于工作流程整合及临床医生接受度。校准不良的工具可能导致警报疲劳或工作流程中断，尤其是AI模型生成过于频繁或非特异性提示时，临床医生会开始忽略这些提示。此外，若医疗提供者不理解或不信任AI推荐，其不太可能将其应用于实践。令人鼓舞的是，FDA批准的脊柱AI应用符合人在回环（human-in-the-loop）理念，因其被批准为辅助性而非自主性工具，要求人类专业人员做出最终决定。
监管和法律框架正与这些技术同步演进。在美国，FDA已发布针对基于AI/ML的医疗软件的行动计划及指南草案，但针对自适应、自我更新算法的监管仍存在模糊性。相反，欧盟即将出台的《AI法案》将把包括脊柱决策辅助在内的大多数医疗AI归类为高风险，要求严格监督、透明度及上市后监测。全球协调的缺乏使脊柱AI工具的国际部署复杂化，且随着AI在医疗中作用的扩大和决策责任的转移，医疗法律责任的归属仍处于灰色地带。
展望未来，需要对AI工具进行前瞻性临床验证，以真正评估其现实世界性能及影响。许多模型在回顾性研究中表现良好，但仍需受控的真实世界评估以考察其对决策和结局的影响。数据科学家与临床医生的跨学科协作可根据真实世界反馈和错误分析迭代优化算法。多模态“数字孪生”（digital twin）表征个体脊柱患者的新兴范例说明了这一轨迹；然而，当前证据表明其仍主要处于概念阶段，尚无前瞻性验证显示其能改善决策，这强调在采用前需进行严格评估。
为增强可扩展性，利用联邦学习和数据共享联盟的跨机构合作将至关重要。通过在适当隐私保护下训练多中心数据，模型将学习泛化模式，并较少受到单一中心特有偏倚的影响。此外，提高医疗专业人员的AI素养可促进更有效的人机协作，确保临床医生对算法错误保持警惕。培训脊柱外科医生解读AI输出的举措正在进行，骨科培训中也在提出结构化AI素养框架。机器学习还被应用于脊柱连接组学（spinal connectomics）和神经接口记录等新兴数据源，未来数年内可能进一步拓展脊柱信息学的范围。
最后，随着AI的成熟，保持对伦理及公平性的关注将至关重要。脊柱AI系统应接受人口统计学偏倚审计，以验证其准确性能并避免加剧医疗保健不平等。就AI如何在患者诊疗中被使用与患者进行透明沟通，可进一步建立信任与认可。归根结底，尽管AI在脊柱诊疗中具有变革潜力，其安全有效的实施必须是有衡量、透明的，并与临床实践的核心价值——以患者为中心、责任感及不伤害原则——保持一致。
结论
AI有望推进脊柱生物医学信息学的发展，从自动图像分割到手术结局预测分析，通过增强临床决策、提高诊断吞吐量及减少判读变异性来实现。实现这一潜力将需要改善泛化性、建立可解释性和不确定性报告的标准，并投资于部署基础设施及清晰监管框架。
目前，脊柱诊疗中的AI系统最适于作为临床医生的辅助工具，综合数据并提出见解，而人类专家提供监督、情境判断及共情沟通。未来研究应优先开展脊柱AI的前瞻性试验、优化联邦学习网络的稳健性，并通过AI治理及培训计划强化机构准备度。
总之，AI驱动工具在脊柱诊疗中具有巨大前景，但严格验证、监管审慎以及临床医生与技术专家的紧密协作，对于确保这些创新造福患者至关重要。
