基于AI辅助3D MRI重建的L5/S1经椎间孔内镜腰椎间盘切除术中髂嵴规避与神经安全平衡的候选平衡轨迹窗口定量识别

《Orthopaedic Surgery》：Balancing Iliac Crest Avoidance and Neural Safety in L5/S1 TELD: Quantitative Identification of a Candidate Balanced Trajectory Window Using AI-Assisted 3D MRI Reconstruction

　　

目的：L5/S1节段经椎间孔内镜腰椎间盘切除术（TELD）因髂嵴阻挡而具有挑战性。传统规划依赖CT或二维影像，本质上缺乏可视化神经结构的软组织对比度。本研究旨在利用人工智能（AI）辅助三维磁共振成像（MRI）重建，定义量化的候选平衡轨迹区，以同时评估髂嵴阻挡与神经安全约束。方法：在50例薄层腰椎MRI上训练深度学习模型，以实现神经、硬膜及骨性结构的精确分割与三维重建。经影像与重建质量筛选后选取30例腰椎模型用于手术穿刺模拟。以5°为角度增量，对每侧双侧椎间孔建立49条虚拟工作轨迹（冠状面角，CPA 0°–30°与横断面角，CSA 0°–30°），共产生2940条轨迹。定量分析每条轨迹与髂嵴、L5神经根、硬膜囊及关节突之间的相交体积。结果：模型平均Dice系数达86.4%（73.2%–92.4%）。在2940条轨迹中，1207条（41.1%）完全避开髂嵴。空间分析揭示一种权衡关系：增大CSA可减少髂嵴与S1上关节突阻挡，但增加L5骨性切除量；而增大CPA可避开L5神经根，但危及L5下关节突。定量分析识别出一个候选平衡轨迹窗口（CPA 20°–25°，CSA 25°–30°），该窗口在髂嵴规避、神经骨性结构保护与关节突完整性之间实现平衡。结论：该候选轨迹窗口（CPA 20°–25°/CSA 25°–30°）可为平衡髂嵴规避与神经骨性安全提供有用参考。这些发现为手工规划及未来计算机辅助轨迹规划系统的开发提供了定量约束条件。

研究背景：经皮内镜腰椎间盘切除术（PELD），尤其是经椎间孔入路，已发展成为腰椎间盘突出症的标准微创术式，相较传统开放手术具有组织创伤小、恢复快等显著优势。数十年来，其适应证已扩展至椎管狭窄与复发性突出。然而，由于高位髂嵴与狭窄椎间孔形成的独特解剖学"屏障"，L5/S1节段仍是经椎间孔内镜腰椎间盘切除术（TELD）技术难度最大的节段。建立精确的工作通道是手术成功的关键，欠佳轨迹常需反复透视并增加医源性神经损伤风险。目前术前规划严重依赖二维影像或基于CT的三维重建。CT虽提供优良的骨性细节，但本质上缺乏可视化神经结构的软组织对比度，使术者只能凭经验估计神经根位置，这种对经验性估计的依赖显著增加了医源性神经损伤及一系列相关术后并发症的风险。因此，亟需一个整合骨性可达性与神经安全考量的定量术前评估框架。尽管MRI提供更优的神经可视化，但其应用受限于手工分割的耗时性。研究团队既往开发了基于深度学习的AI模型，能够从三维T2加权SPACE（3D T2W-SPACE）序列中全自动、快速分割复杂腰骶部结构，包括L5/S1椎体、髂嵴以及关键的L5神经根与硬膜囊，该框架解决了手工MRI分割的效率障碍并实现患者特异性三维重建。既往研究已确立AI辅助MRI分割与三维重建用于腰椎内镜手术的可行性，后续研究进一步探索了重建腰椎模型中预定义轨迹参数与结构干扰的关系，主要在L4/L5节段。然而，对于L5/S1 TELD，轨迹选择涉及髂嵴阻挡、神经安全与关节突保护等多个竞争因素之间的平衡，在统一MRI衍生的三维环境中整合这些神经骨性约束的定量框架仍探索不足。在此背景下，研究团队基于这些AI辅助重建，模拟数千条虚拟工作通道，定量分析手术轨迹与神经骨性结构之间的空间关系，主要目标是定义L5/S1 TELD的候选平衡轨迹区，以指导手工规划并为未来计算机辅助规划软件提供定量解剖约束。

研究团队开展的这项研究为回顾性队列研究，纳入2020年3月至7月间确诊为L5/S1腰椎间盘突出的50例患者，最终队列年龄23–84岁（平均43.7岁），BMI范围17.72–33.03 kg/m²。研究采用Siemens 3.0 T MRI系统（Magnetom Verio, Erlangen, Germany），使用3D T2W-SPACE序列覆盖L5上终板至S1下终板，体素大小0.8×0.8×0.8 mm³。研究基于3D U-Net架构训练深度学习分割模型，由三名脊柱专家手工分割七个解剖类别（L5与S1椎骨、L5/S1椎间盘、髂骨、L5神经根、硬膜囊与皮肤），采用共识投票机制解决边界 delineation 分歧。模型生成基于体素的三维掩膜，重建全部50例基于MRI的腰骶部模型，选取整体掩膜连续性、解剖完整性与表面质量最佳的30例重建模型用于轨迹分析。在Mimics 19.0中将自动体素掩膜重建为三维多边形表面网格，手术目标点标准化为双侧关节突内侧缘投影至椎间盘间隙中线处。虚拟工作通道建模为实体几何圆柱体（直径8 mm，长度150 mm）以模拟刚性TELD套管。在3-Matic环境中建立局部坐标系，原点位于目标点，圆柱通道初始对齐于中性0°轨迹，随后沿冠状面角（CPA，Z轴）与横断面角（CSA，Y轴）以5°增量从0°至30°进行角度旋转，形成7×7组合矩阵，每侧椎间孔产生49条独特虚拟轨迹，双侧模拟（每模型两个椎间孔）于全部30例患者特异性三维模型上系统生成2940条独特手术轨迹的综合数据集。所有轨迹（包括预期与髂嵴相交者）均刻意纳入初始模拟以避免选择偏倚，并允许完整定量表征从高阻挡至低阻挡走廊的空间过渡。使用Mimics内置工具进行自动体积相交分析，计算实体圆柱与相邻解剖结构之间的相交体积（空间碰撞），将体积相交分类为关键神经骨性约束（L5神经根、L5下关节突-IAP、S1上关节突[SAP]与髂嵴）与非典型骨性边界（椎体与椎弓根）。由于目前尚无经验证的可接受相交体积临床阈值，且不同结构具有不同临床意义，研究未应用固定截断值或正式加权函数，最终轨迹窗口被描述性地定义为在模拟角度网格上显示低髂嵴与神经相交同时避免过度关节突侵犯的候选平衡区。统计分析使用IBM SPSS Statistics Version 26，通过Dice系数、准确率与召回率评估分割性能，采用双变量Spearman秩相关分析确定轨迹角度与相交体积之间的关联，统计显著性定义为p < 0.05。

研究得出以下结论：基于3D U-Net的深度学习模型对腰骶部结构实现总体平均Dice系数0.864、准确率0.875、召回率0.866。骨性结构方面，椎骨Dice系数>0.92；软组织方面，硬膜囊Dice系数0.885，L5神经根0.732。在2940条模拟轨迹中，1207条（41.1%）与髂嵴无相交（0 mm³）。统计分析表明轨迹角度与髂嵴相交体积之间存在显著负相关，相交体积随CSA增大而减小（r = ?0.592，p < 0.001）；增大CPA导致相交体积先增后减（r = ?0.145，p < 0.001）。49种角度配置中最低平均髂嵴相交体积为14.81 mm³，位于CPA 30°/CSA 30°。CPA与L5神经根相交体积呈中度负相关（r = ?0.550，p < 0.001），表明更陡的CPA与更低的模拟L5神经相交体积相关；CSA呈弱正相关（r = 0.150，p < 0.001）。L5神经根相交体积通常随CPA增大而减小，但在所有组合中并非一致，例如CPA 30°/CSA 25°配置平均相交体积为11.81 mm³。相反，硬膜囊相交体积与CPA（r = 0.333，p < 0.001）和CSA（r = 0.179，p < 0.001）均呈正相关，提示更大成角与硬膜囊模拟相交增加相关。虚拟工作通道与L5椎骨总相交体积通常随CPA增大而减小（r = ?0.009，p = 0.637），但随CSA增大而增加（r = 0.631，p < 0.001）。对于L5非典型结构（包括椎体、椎弓根与横突），相交体积与CSA呈中度正相关（r = 0.650，p < 0.001），表明较大CSA导致这些区域更多骨性切除；与CPA呈负相关（r = ?0.384，p < 0.001）。然而，作为关键稳定结构的L5 IAP呈现相反趋势：其相交体积随CSA增大而减小（r = ?0.195，p < 0.001），但随CPA增大而增加（r = 0.546，p < 0.001）。因此，较大CSA有利于保护关节突，但可能增加与横突或椎弓根碰撞的风险。S1结构相交体积通常随CSA增大而减小（r = ?0.713，p < 0.001）；与L5不同，S1非典型结构相交体积与CSA呈一致负相关（r = ?0.563，p < 0.001）；关于CPA，体积先增后减，角度超过20°后下降，总体呈弱负相关（r = ?0.225，p < 0.001）。S1 SAP体积随CSA增大显著减小（r = ?0.391，p < 0.001）。因此，增大CSA通常对S1关节突与非典型骨性结构均具保护作用。研究重要意义在于：这些发现识别出候选平衡轨迹窗口（CPA 20°–25°，CSA 25°–30°），该窗口在髂嵴规避、神经骨性结构保护与关节突完整性之间实现平衡，可为平衡髂嵴规避与神经骨性安全提供有用参考，并为手工规划及未来计算机辅助轨迹规划系统的开发提供定量约束条件。

主要关键技术方法：研究团队采用基于3D U-Net架构的深度学习分割模型，从3D T2W-SPACE MRI序列中自动分割并三维重建七个腰骶部解剖类别；基于Mimics与3-Matic软件建立局部坐标系，以5°增量系统模拟2940条虚拟圆柱形工作通道轨迹（CPA与CSA各0°–30°，7×7组合矩阵，30例模型×2椎间孔×49条轨迹），并进行自动体积相交定量分析；采用Dice系数、准确率与召回率评估分割性能，采用Spearman秩相关分析轨迹角度与相交体积的关联。样本队列来源为2020年3月至7月间确诊的50例L5/S1腰椎间盘突出患者，经筛选后30例模型用于轨迹分析。

研究结果：（1）自动分割模型性能：通过五折交叉验证评估，3D U-Net模型对腰骶部结构总体平均Dice系数0.864、准确率0.875、召回率0.866，椎骨Dice系数>0.92，硬膜囊0.885，L5神经根0.732，表明模型实现精确分割与三维重建。（2）相交体积评估——髂嵴：通过2940条轨迹模拟与体积相交分析得出，41.1%轨迹完全避开髂嵴，CSA与髂嵴相交体积呈显著负相关（r = ?0.592），CPA呈先增后减关系（r = ?0.145），最低平均相交体积位于CPA 30°/CSA 30°。（3）相交分析——神经结构（L5神经根与硬膜囊）：通过相关分析得出，CPA与L5神经根相交体积呈中度负相关（r = ?0.550），CSA呈弱正相关（r = 0.150）；硬膜囊相交体积与CPA（r = 0.333）和CSA（r = 0.179）均呈正相关，提示更大成角增加硬膜囊模拟相交。（4）相交分析——L5椎骨与IAP：通过体积相交分析得出，L5总相交体积随CPA增大而减小（r = ?0.009）但随CSA增大而增加（r = 0.631）；L5非典型结构与CSA呈中度正相关（r = 0.650）；L5 IAP相交体积随CSA增大而减小（r = ?0.195）但随CPA增大而增加（r = 0.546），表明较大CSA有利于保护关节突但可能增加与横突或椎弓根碰撞风险。（5）相交分析——S1椎骨与SAP：通过分析得出，S1结构相交体积随CSA增大而减小（r = ?0.713），S1非典型结构与CSA呈一致负相关（r = ?0.563）；S1 SAP体积随CSA增大显著减小（r = ?0.391），表明增大CSA通常对S1关节突与非典型骨性结构均具保护作用。

讨论部分总结：研究团队建立了一个两阶段框架，结合AI辅助解剖重建与基于规则的几何轨迹分析，定量表征L5/S1节段TELD工作通道与神经骨性结构之间的复杂空间关系。第一阶段，3D U-Net深度学习模型实现从高分辨率MRI数据自动重建七个腰骶部结构，克服了手工MRI分割的主要效率限制，生成包含骨性结构与关键软组织（包括L5神经根与硬膜囊）的患者特异性三维解剖模型。既往研究已证实AI辅助MRI分割与三维重建用于腰椎内镜手术的可行性，后续研究进一步探索了基于重建模型的轨迹相关解剖关系，但这些研究主要聚焦于解剖重建或孤立的轨迹-结构相互作用。相比之下，本研究扩展了这一概念，利用MRI衍生模型定量评估L5/S1 TELD轨迹选择中相互竞争的解剖约束，而非简单识别几何上可及的路径，该框架分析了髂嵴阻挡、神经结构保护与关节突相关骨性限制之间的平衡。重要的是，本研究中AI组件作为解剖重建工具，后续轨迹评估采用预定义几何模拟，这一区分使当前框架能够提供定量解剖边界条件，而不假设AI本身决定手术轨迹，因此本研究代表了从三维解剖可视化向轨迹评估定量分析迈进的进一步探索。L5/S1 TELD仍具技术挑战性，因为工作走廊同时受高位髂嵴、狭窄椎间孔及邻近神经与关节突结构限制。传统CT规划提供骨性可达性的详细信息，但无法直接量化神经干扰；通过纳入MRI衍生的神经结构可视化，本研究提供了对影响轨迹选择的神经骨性约束更全面的评估。本研究的主要发现是识别出候选平衡轨迹窗口（CPA 20°–25°与CSA 25°–30°），该角度范围不应被解释为普遍最优轨迹，而是实现多个竞争解剖因素之间有利折衷的区域。具体而言，增大CSA有效减少髂嵴与S1 SAP阻挡，但过度成角可能增加与某些骨性结构的相互作用；相反，增大CPA减少L5神经根相交，但与L5下关节突干扰增加相关。这些发现凸显了L5/S1 TELD规划中固有的权衡关系：改善通过某一解剖约束的通道可能增加侵犯另一结构的风险，因此轨迹选择不应依赖单一解剖参数，而需综合考量多个神经骨性因素，所提出的轨迹窗口为这一平衡提供了定量参考而非确定性手术处方。本研究开发的定量框架可为未来计算机辅助手术规划系统提供基础，当前术前规划方法主要依赖术者经验、二维影像解读或孤立解剖测量，通过将患者特异性MRI解剖转化为可测量空间约束，本方法为更标准化与可重复的轨迹评估提供了潜在途径。Ukeba等的近期工作进一步说明了AI辅助三维成像用于内镜轨迹规划的可转化潜力，在40例接受L5/S1全内镜经椎间孔椎间盘切除术患者的回顾性系列中，AI辅助3D MRI/CT融合成像用于建立虚拟内镜轴，同时考虑髂嵴、SAP与出神经根，模拟轴向与矢状插入角与实际术后内镜插入角显示密切一致，并报告了良好的短期临床结果，该研究提供了重要证据表明当模拟轨迹与手术执行直接比较时，患者特异性三维模拟可转化为临床轨迹规划。相比之下，本研究解决的是前置的解剖建模问题而非验证患者特异性手术计划，通过系统采样预定义轨迹空间，研究团队旨在表征髂嵴、神经、硬膜与关节突相关约束在不同角度组合下如何相互作用，因此本研究中识别的候选轨迹范围应被解释为提供后续患者特异性规划与临床验证定量边界条件的解剖学有利范围，而非经临床验证的手术推荐。该框架的临床价值不在于替代术者判断，而在于提供可能辅助决策的客观解剖信息，未来导航或机器人系统可能将这些定量约束与术中影像配准整合，以根据患者特异性解剖与手术条件动态调整规划轨迹。然而，本研究旨在表征解剖可行性而非预测术者选择的确切穿刺轨迹，实际术中轨迹受术者经验、透视反馈与技术调整等多因素影响，因此未来需纳入标准化术中轨迹采集与临床结局评估的研究以进一步评估该框架的转化潜力。本研究主要优势包括整合高分辨率3D T2W-SPACE MRI、AI辅助自动重建与2940条虚拟TELD轨迹的系统模拟；与传统主要聚焦骨性解剖的CT方法不同，该框架在统一三维环境中同时纳入神经与骨性结构，使影响L5/S1 TELD的竞争约束得以定量分析。若干局限性应予承认：第一，重建模型源自仰卧位采集的术前MRI，可能因腰椎序列变化而与术中俯卧位不同，然而术前影像仍是当前导航工作流程的基础，所提出的框架提供的解剖约束可在术中配准期间进一步调整；第二，识别的轨迹窗口源自几何模拟，未直接与术中轨迹或术后结局相关联，重要的是本研究旨在表征支配TELD轨迹选择的解剖约束而非预测术者实际穿刺轨迹（后者可能受个人偏好与术中调整影响），未来需纳入标准化轨迹采集与临床验证的前瞻性研究；第三，尽管高分辨率MRI与基于AI的分割实现了患者特异性重建，但图像分辨率、分割准确性与模型近似相关的固有局限可能影响模拟轨迹测量，此外目前尚无经验证的可接受相交体积临床阈值，当前框架未纳入不同解剖约束间的正式加权函数，因此识别的轨迹范围应被解释为候选平衡轨迹窗口而非确定性自动手术计划。

研究结论翻译：总之，本研究利用自动分割流程结合基于规则的几何轨迹模拟，对L5/S1 TELD手术走廊进行了定量三维分析。研究结果表明，CPA 20°–25°联合CSA 25°–30°代表一个候选平衡轨迹区。该几何窗口可能有助于通过减少髂嵴阻挡同时考虑L5神经根、硬膜囊与关节突，从而导航腰骶交界处的解剖约束。这些定量几何约束可为未来计算机辅助轨迹评估系统提供初步框架。