《Brain and Spine》：Artificial Intelligence for prognostic prediction and decision support in patients with lumbar disc herniation: a systematic review
编辑推荐：
## 问题3：摘要专业翻译
人工智能（AI）在腰椎间盘突出症（LDH）预后预测与决策支持中的应用：一项系统综述。本文旨在系统评估人工智能（AI）与机器学习（ML）模型在腰椎间盘突出症（LDH）预后预测及临床决策支持中的作用。研究人员按照系统综述与荟萃分析优先
## 问题3：摘要专业翻译
人工智能（AI）在腰椎间盘突出症（LDH）预后预测与决策支持中的应用：一项系统综述。本文旨在系统评估人工智能（AI）与机器学习（ML）模型在腰椎间盘突出症（LDH）预后预测及临床决策支持中的作用。研究人员按照系统综述与荟萃分析优先报告条目（PRISMA）2020声明，于2025年7月14日对Scopus、PubMed与Cochrane Library进行系统检索，纳入评估AI工具用于LDH预后、治疗结局预测或临床决策支持的研究。研究结果显示：AI对LDH复发的预测准确率较高（最高达94.1%）；机器学习（ML）模型可预测疼痛与功能障碍结局（C统计量最高0.81）；AI可支持复杂LDH病例的手术规划（三维模拟）；多模态深度学习（DL）可预测最佳手术节段（准确率93.8%）；现有证据以回顾性研究为主，外部验证有限。
## 问题4：论文主体解读
**研究背景与问题**
腰椎间盘突出症（lumbar disc herniation, LDH）是一种多因素疾病，以生化改变、椎间盘水化下降及轴向负荷吸收能力降低为特征，其后果是椎间盘（intervertebral disc, IVD）纤维环（annulus fibrosus, AF）外层破裂、髓核（nucleus pulposus, NP）突入椎管，压迫神经根并引起神经根病与坐骨神经痛。流行病学上，全球约4.03亿人（占全球人口5.5%）患有症状性椎间盘退变（intervertebral disc degeneration, IDD），LDH是其主要病因之一，终生患病风险可达30%，且相较滑脱或椎管狭窄更倾向于影响年轻人群，造成显著残疾负担、缺勤、生产力下降与提前退休等社会经济影响。诊断以临床评估为主，辅以磁共振成像（MRI）与计算机断层扫描（CT）；轻中度症状首选物理治疗与非甾体抗炎药（NSAIDs）保守治疗，严重或伴神经功能缺损者需行（显微）椎间盘切除术，术后满意度较高。但5–15%的患者在椎间盘切除术后出现复发性腰神经根综合征（lumbar radicular syndrome, LRS）。临床上复发以无痛间期后腿痛再发来识别，影像检查多因症状而非按计划随访而实施，因此形态学再突出与症状性复发不可互换；一项每3个月影像随访2年的前瞻队列显示，23.1%患者在手术节段出现影像学再突出，其中全队列13%为无症状，而10.2%出现症状，故单凭影像发现不能判定治疗失败。近十年AI与ML在临床中的应用显示出预测复发LRS并辅助医师决策的潜力，可分析病历、MRI/CT与患者报告结局指标（patient-reported outcome measures, PROMs）等大数据，降低观察者间差异并促进个体化治疗；AI已用于LDH诊断与预测建模，部分模型进入预后环节。然而，AI在LDH预后与决策支持中的整体证据状况尚缺乏系统梳理，故本研究旨在分析AI在LDH管理中的预后预测与决策支持系统（decision support systems, DSS）作用。
**主要技术方法**
研究人员按PRISMA 2020声明开展系统综述，于2025年7月14日检索Scopus、PubMed与Cochrane Library（检索式结合MeSH与自由词“artificial intelligence”与“intervertebral disc displacement/disc herniation”）；由三名独立评审者行题名与摘要初筛及全文复筛，分歧经共识或与第四名评审者讨论解决，并以PRISMA流程图呈现。数据提取涵盖作者、年份、研究类型、证据等级（level of evidence, LOE）、患者数、年龄、性别、研究领域、AI方法、数据来源、主要目标与结论，并将研究分为预后预测模型与决策支持导向应用两类，对复发研究另提取结局判定方式、影像获取是否按计划、影像模态与观察窗长度，并记录模型是否可获取。偏倚风险采用预测模型偏倚风险评估工具（Prediction Model Risk of Bias Assessment Tool, PROBAST）由两名评审者独立评定四个领域（参与者、预测因子、结局、分析）。样本来源包括NORspine国家登记队列及SweSpine（n=10,129）与DaneSpine（n=5,670）外部验证队列。
**研究结果**
**文献筛选与研究类型**：检索共获205篇文献，去重与初筛后36篇全文阅读，排除26篇（16篇仅涉诊断、6篇非LDH特异、4篇仅涉图像分割/重建/手术模拟而无基于基线数据的预后或决策支持终点），最终纳入10篇（图1）。其中前瞻性研究5篇、回顾性研究5篇。
**患者人口学特征**：10项研究共纳入44,806例患者（表1）。Abbott等的发展队列与Berg等队列同源于NORspine人群，仅计一次；Abbott等的瑞典与丹麦验证队列单独计数。有年龄记录的43,966例加权平均年龄47.1岁（范围27–83），有性别记录的44,026例中男性56.3%、女性43.7%。
**研究领域**：10项研究关注术后结局预测，包括复发、疼痛与功能障碍评分（Oswestry功能障碍指数（Oswestry Disability Index, ODI）与视觉模拟量表（Visual Analogue Scale, VAS））改善及工作能力；2项研究关注治疗后神经病理性疼痛的发生与总体患者满意度（表2、表3）。
**AI方法**：5项研究采用ML模型，2项采用人工神经网络（artificial neural networks, ANNs），1项采用深度学习（deep learning, DL）算法，1项采用影像组学特征结合临床特征与ML/DL，1项采用增强型蝙蝠算法（BDGBA）包装式特征选择联合支持向量机（support vector machine, SVM）（图2）。
**数据来源**：3项研究以PROMs（ODI、数字评定量表（numeric rating scale, NRS）腿/背痛、EuroQoL-5D（EQ-5D））为主要信息来源；6项以临床与人口学信息（体质指数（body mass index, BMI）、症状持续时间、心理评分（医院焦虑抑郁量表（Hospital Anxiety and Depression Scale, HADS））、合并症与职业）为主；1项以术前MRI提取影像组学特征并结合临床变量。
**复发性腰神经根综合征与复发性椎间盘突出的预测**：三项复发研究结局定义不一致，其数值应结合定义解读而非直接比较。Azimi等将复发定义为初次显微椎间盘切除术后至少6个月无痛间期后于原手术节段（同侧或对侧）发生椎间盘突出，经临床及X线、CT或MRI确认；402例中35例（8.7%）复发，中位时间26.2个月，处理方式为翻修手术或保守治疗（比例未报告）。Jia等将结局限定为经皮内镜下腰椎间盘切除术后早期复发，即无痛间期后6个月内经随访MRI证实的再突出，6个月以后者按设计排除。Harada等仅在导致再次腰椎减压（再手术）时判定为复发性髓核突出（re-HNP），故其结局对应再手术而非症状复发，最少随访1年、平均22个月。Azimi等与Jia等均未报告术后影像是否按计划方案获取，三项研究均未系统对无症状患者行影像检查，因而均未估计无临床症状的形态学复发比例。Azimi等显示ANN模型预测复发LDH的准确率94.1%，优于标准logistic回归的86.4%，曲线下面积（AUC）0.83对0.76。Jia等显示BDGBA-SVM模型预测经皮内镜下腰椎间盘切除术后早期复发的准确率93.49%、敏感度88.33%，并确定突出椎间盘节段、Modic改变及椎间盘高度、长度与宽度为五个最具信息量的特征。Harada等显示XGBoost模型确定术前腿痛VAS、ODI、骨盆入射角–腰椎前凸（PI-LL）失配、BMI、症状持续时间、矢状面力线参数与年龄为七个最强预测因子，AUC为0.72。
**术后结局（疼痛与功能障碍）预测**：Berg等基于国家登记（NORspine）数据开发的ML算法在预测ODI改善（C统计量0.81）、NRS背痛（0.76）与NRS腿痛（0.74）方面取得显著结果。Saravi等将术前T2加权MRI提取的影像组学特征与临床变量结合预测术后治疗成功，报告在临床模型基础上加入影像组学特征后判别能力仅有微小但可检测的提升。Pedersen等显示ML模型预测恢复工作的准确率89%、背痛VAS改善82%、ODI改善69%。Matis等将ANN应用于问卷数据，预测患者报告满意度的准确率达96%，优于二元logistic回归，性别、年龄、国籍、既往住院次数与自评健康状况为最具影响的变量。Wirries等采用决策树回归器预测神经病理性疼痛（VAS与ODI）的发生，其质量与最小临床重要差异（minimal clinically important difference, MCID）相当，BMI、HADS与年龄为最强预测因子。Wirries等显示DL算法预测6个月随访时ODI的预测值与实际值最大绝对差仅3.4%。Abbott等随后在独立国家队列中验证NORspine模型，在瑞典与丹麦登记中确认可接受的判别能力，发展队列中ODI的C统计量为0.81、NRS背痛0.76、NRS腿痛0.74。所纳入模型中有两个明确用于支持治疗决策而非仅描述预后：Wirries等将6个月ODI预测设计用于在治疗前识别可能经保守治疗改善者及不应延迟手术者；Berg等将NORspine模型定位为共同决策支持，目标是减少对不太可能获益者的手术。两者均记录了预期用途，但均未经前瞻性评估其对实际决策的影响。
**偏倚风险结果**：按PROBAST评估（表4），10项研究中4项总体高偏倚风险、3项风险不明确、3项低风险。
**讨论与结论**
讨论部分指出，AI能够整合多来源大体量信息并回答特定问题，在预后结局预测、复发预测与决策支持方面具较大潜力，是脊柱外科医师诊断与预后评估的优良工具；AI及其分支ML、DL已从肿瘤影像扩展至脊柱诊疗，但方法学文献多停留于模型开发阶段，极少在开发队列之外检验，进入常规临床者更少，LDH中AI的临床使用仍处起步阶段，尚不足以就其影响下结论。目前LDH中AI的主要应用仍在提升诊断效率与准确性，如基于MRI/CT自动检测、分类与分级椎间盘异常，U-Net、ResNet、YOLO等在突出检测、Pfirrmann与Michigan State University分级及脊柱解剖分割中表现良好，SpineNetV2在11项腰骶椎间盘病变分级上与放射科医师一致性良好，亦有研究从MRI高准确度区分钙化型突出等亚型；自然语言处理（natural language processing, NLP）可从非结构化电子病历中提取信息，高准确度区分LDH与腰椎管狭窄或识别L5、S1特定神经根病。但诊断AI成熟而指导治疗选择的AI尚不成熟。综述强调，AI算法虽常报告高准确率，其临床实用性并不总是显而易见：使用PROMs的治疗结局模型显示，ML并非总优于logistic回归等传统统计方法，尤其当数据非线性有限时，提示模型复杂度本身对某些临床预测任务并非优势；AI辅助诊断虽提高准确性与效率，但不能替代有经验外科医师的细致检查，后者还需权衡模型尚不能评估的主观主诉与全身状态。关于基于AI的患者信息工具如大语言模型（large language models, LLMs），ChatGPT等聊天机器人的回答大体符合临床标准——Lang等报告71.1%的回答被评为优秀或充分，手术成功率80–90%与已发表荟萃分析一致——但存在不完整与过度结论化倾向，Mejia等发现其与美国 North American Spine Society（NASS）指南的一致率仅59%，且阅读难度高限制了公众可及性。就复发预测而言，Azimi等的ANN判别准确率最高（94.1%），略优于Jia等的BDGBA-SVM（93.49%）与Harada等的XGBoost（AUC 0.72）；就术后结局预测而言，Berg等与Abbott等基于NORspine并经外部验证的模型临床稳健性最佳，兼具可接受的判别力（C统计量最高0.81）与在瑞典、丹麦队列中的可重复性，而单中心模型未能证明此水平。但这些准确率不可直接比较，因三项复发研究定义不同：Harada等仅在需再次腰椎减压手术时判定re-HNP；Azimi等与Jia等则基于临床与影像定义复发，即无痛间期后同节段影像证实的再突出，与后续治疗无关——Azimi等要求该间期至少6个月，Jia等仅计入该间期后6个月内发生的再突出。Azimi等队列中402例有35例（8.7%）复发，经翻修手术或保守治疗处理，未报告再手术例数；结局定义的不一致可能同时影响报告的复发率与预测模型的构成，因基于手术的定义倾向于选择更严重或症状性复发。随访时长亦差异显著：Jia等仅分析早期复发，排除初次经皮内镜下腰椎间盘切除术后6个月以上者；Harada等要求至少1年临床随访，平均22个月；Azimi等评估1年临床结局，但中位复发时间达26.2个月，提示较短观察窗会漏诊相当比例复发。由于再突出风险已知远超术后第一年，基于短随访期训练的模型可能低估真实复发率并忽略晚期危险因素，进一步限制所评预测模型的可比性。两项障碍使所评模型距临床使用尚有距离：其一是可及性，10项研究中仅2项以其他临床医师可应用的形式报告最终模型——Harada等将RAD profile index纳入开放获取的网络应用，NORspine模型描述详尽足以重新实现——其余模型仅报告性能指标，无法在开发团队之外应用、检验或反驳；由于迄今发表的AI方法与数据集高度异质，仍需标准化方案与参考数据集以使不同AI系统可比较、可重复。其二是外部验证，Abbott等将NORspine模型应用于SweSpine的10,129例与DaneSpine的5,670例，仍是本综述中唯一在非来源人群中检验模型的实例，判别力在三登记间保持：ODI模型C统计量0.76–0.81、校准斜率0.84–0.99，NRS背痛模型0.70–0.76、斜率0.79–1.03，NRS腿痛模型0.71–0.74、斜率0.90–1.02，净获益在两个外部队列中均得以重现。由此可得两点：当模型基于前瞻性收集的登记数据构建并应用于临床可比人群时，此等性能可在开发环境之外达到；同时校准斜率低于1提示对挪威队列存在一定过拟合，在病例构成或手术指征不同的卫生系统中应用前仍需重新校准。此模式亦见于其他结局：预测椎间盘切除术后长期阿片类处方的模型在北美队列开发，应用于台湾队列时判别性能下降。任何复发模型均无类似外部验证，故其报告的高准确率尚不能视为临床效用的证据。尽管多项研究报告了鼓舞人心的预测结果，但性能指标本身未必转化为已证实的临床适用性，多数研究主要评价判别指标，而非AI工具融入常规临床工作流程或其可测量地影响治疗决策；因此除方法学标准化外，未来研究应重视前瞻性验证与真实世界评估。现有研究局限包括多为单中心、回顾性设计、样本小或同质，削弱外部效度；另一缺陷是单一模态影像（如仅矢状或轴位MRI序列），有研究报道联合多个成像平面或模态可提高对椎间孔狭窄或特定突出类型等表现判定的准确性。结论指出，AI在LDH预后预测与决策支持中显示出令人鼓舞的性能，但目前有两方面限制该文献价值：第一，复发模型结局不统一，部分预测神经根症状再发，部分预测再手术，且无一将症状性复发与影像学形态学再突出区分；在定义标准化之前，报告的准确率无法跨研究比较。第二，除在瑞典与丹麦登记中验证的NORspine模型外，本综述所评算法均未在开发队列之外检验，且多数未以允许此类检验的形式提供。未来工作应连同性能一并发表模型、采用明确且具临床意义的复发定义，并优先开展外部验证而非进一步内部模型开发；未来研究亦可将这些应用推广至椎管狭窄与滑脱等其他脊柱疾病。
