基于CT的Iscan方法在孤立肋骨上的应用：可靠性、准确性以及关节窝硬化在当代欧洲骨骼样本年龄估计中的作用

《International Journal of Legal Medicine》：CT-based application of the Iscan method on isolated ribs: reliability, accuracy, and the role of joint fossa sclerosis in age estimation on a contemporary European skeletal sample

　　摘要
本研究评估了Iscan方法在死后计算机断层扫描（PMCT）中通过第四右侧肋骨胸骨端的形态分析进行年龄估计的适用性。采用双盲设计，两名观察者独立评估了112个来自欧洲人群的第四肋骨片段样本，这些样本在CT成像前已被分离和处理。研究结果表明，通过CT扫描应用的Iscan方法表现出较强的重复性和操作者间可靠性，加权Cohen's kappa值范围从0.75（操作者间）到0.92–0.98（操作者内）。该方法对中年及以上人群的年龄估计具有更高的准确性和一致性，尤其是在第3至5阶段；而年轻和老年人群的可靠性较低，第8阶段由于显著的变异性需要进一步改进。此外，本研究引入并评估了一个新的CT特异性参数——关节窝硬化度——以增强死亡年龄预测的准确性。包含该参数的回归分析显示了准确性的提高和年龄范围估计的精细化，特别突出了性别差异：在男性中，硬化度倾向于将估计值向更高年龄阶段偏移；而在女性中，它主要提高了在既定阶段范围内的精度，而不会显著改变阶段分配。这些观察结果强调了影响Iscan阶段分类的潜在性别差异在骨重塑动态中的作用。这项研究为未来识别、引入和精细化其他形态参数以增强预测准确性奠定了基础。Iscan传统方法固有的较大年龄范围重叠显著限制了其在法医学实践中的适用性，强调了需要方法学上的进步以确保法医学环境中年龄估计的可靠性和准确性。

引言
成人死亡年龄估计是法医人类学中最具争议性和方法学上最复杂的问题之一。在实际法医情境中，年龄估计直接有助于个人识别、缩小失踪人员名单、灾难受害者识别和司法调查。对于法医从业者而言，一种方法的价值不仅在于其与实际年龄的统计相关性，还在于其重复性、透明度和在个别案例中的应用实用性。已经提出了几种估计死亡年龄的方法，例如颅缝融合状态的分析、耻骨联合变化的分析[1, 2]以及长骨皮质内重塑的显微评估[3]。
20世纪80年代，Iscan及其同事提出了一种基于第四右侧肋骨胸骨端形态学研究的新的死亡年龄评估方法[4]。选择第四肋骨纯属传统，因为这是一种在常规尸检中容易找到的骨片段。该方法涉及对第四肋骨胸骨端的三个结构成分进行宏观检查，如凹陷深度、凹陷形状以及边缘和壁的配置。最初，该方法应用于118名白人男性受试者的样本[5]，并将这些肋骨片段分为九个阶段（从阶段0到阶段8），对应不同的年龄范围。后来，同一方法被应用于86名白人女性的第四右侧肋骨胸骨端片段样本[6]，并创建了九个新阶段，考虑到了骨骼的性别差异。尽管Iscan方法具有历史重要性和持续应用，但它存在明显的局限性：年龄区间广泛且重叠、依赖于主观的形态学解释以及人群依赖的变异性。实际上，这些特征降低了其区分能力，特别是在中年和老年人群中，阶段重叠尤为明显。
因此，2010年，Hartnett[7]提出了对Iscan方法的修订，纳入了骨质量和密度，并减少了阶段数量（从阶段1到阶段7）。尽管这次修订缩小了某些年龄范围，但并未完全解决重叠问题，并且在老年人群中的表现参差不齐。因此，基于肋骨的年龄估计仍然面临结构上的限制：即阶段分配的重复性与所得年龄区间的法医学实用性之间的矛盾。
近年来，基于计算机断层扫描（CT）研究的“虚拟人类学”[8]这一创新方法在人类学领域得到了发展。CT成像提供了一种非破坏性、无创且快速的数据收集和分析方法，不仅可以进行2D重建，还可以进行3D体积渲染（VR）成像，这与人类学分析完美契合[9, 10]。此外，它生成了标准化的数字记录，可以反复审查、测量并在观察者之间共享，从而增强了文档的一致性并减少了直接宏观处理相关的变异性[8]。
本研究旨在评估基于第四右侧肋骨胸骨端分析的CT成像在年龄估计方面的可靠性。CT用于干燥、分离的骨骼。这种方法有两个方法学目的：首先，消除软组织伪影和定位变异性等混淆变量，从而评估基于CT的阶段评估的内在重复性；其次，探索CT可视化内部骨特征是否提供了传统表面评估无法捕捉的额外年龄相关信息。此外，我们旨在评估CT特异性参数是否可以超越传统的阶段分配来精细化年龄估计。因此，本研究的结果可以通过提高重复性、实现标准化数字文档、促进独立专家审查以及在重叠阶段范围内精细化年龄估计来支持法医专业人士，从而提高方法学的透明度和可辩护性。

材料与方法
研究设计、人群及样本采集与准备
本研究由罗马“Tor Vergata”大学法律医学研究所和放射学研究所合作开展，旨在观察Iscan方法使用CT重建第四右侧肋骨胸骨端进行年龄估计的可靠性和一致性。采用方便样本，包括在法律医学研究所收集的右侧第四肋骨。最终数据集包括112个来自欧洲人群的胸骨末端样本，这些样本都有记录的死亡年龄。排除以下情况的病例：
- 前胸壁创伤；
- 慢性呼吸系统疾病的病史或宏观证据；
- 先天性异常或前胸壁的病理改变。
已获得Policlinico Tor Vergata独立伦理委员会的伦理批准（协议编号71/17），允许在常规尸检期间取骨。
肋骨采样遵循了我们之前在更大样本中描述的形态学研究的方法[11]。在尸检过程中，通过大约位于肋软骨连接处内侧和外侧3厘米处的切口移除肋骨段。每个样本都标记了唯一的识别代码以确保伪匿名化，同时记录人口统计数据（性别、年龄和身高）。
样本按照所描述的程序进行清洁和准备[11]，包括：
- 用肥皂和水浸泡以去除软组织；
- 短时间煮沸（10–15分钟）以促进清创；
- 手动去除残留组织和软骨；
- 风干约20天。

放射学评估和数据收集
准备完成后，所有片段使用128层扫描仪（GE Medical System, Revolution CT）进行扫描，参数如下：切片采集1.25毫米，层间距0.5毫米；旋转时间0.5秒，管电压120千伏，自适应毫安。图像使用MPR协议进行审查和重建，3D图像使用体积渲染协议创建以进行CT评估。
样本在放射透明泡沫支撑物上按解剖位置放置，以避免重建伪影（图1）。

图1
该图像的替代文本可能是使用AI生成的。
全尺寸图像显示了骨样本在泡沫支架上的放置情况以及相关的激光CT中心定位。添加左侧骨样本是为了展示符合解剖方向的正确位置。

图像由两名放射科观察者在不同的时间间隔内进行盲法分析，以避免记忆偏差。使用MPR和VR重建，根据CT可评估的形态参数将每根肋骨分类为Iscan的各个阶段（阶段1–8）：
1. 凹陷深度逐渐增加；
2. 凹陷形状从V形变为U形；
3. 边缘和壁的形态变化；
4. 骨赘的存在和发展。表1总结了用于分类每个阶段的主要特征以及根据Iscan[5, 6]确定的相应年龄范围。

表1 - Iscan的肋骨分类标准和基于阶段的年龄范围
全尺寸表格
原始图片和多平面重建均用于评估凹陷的深度和形状。为了视觉评估边缘和壁的配置，使用了VR重建。每个受试者被归类为1至8个阶段之一。图2展示了定义每个Iscan阶段的代表性形态特征示例。

图2
该图像的替代文本可能是使用AI生成的。
全尺寸图像
上排：按Iscan阶段递增顺序显示的骨样本轴向CT图像。随着阶段的增加，关节窝的逐渐加深清晰可见。下排：3D体积渲染重建详细展示了骨赘的逐渐出现和延长，这进一步表征了后期阶段的特点。
在评估过程中，还观察到样本在骨硬化程度上存在差异。观察者独立重新评估样本，并根据本研究定义的三级序数等级为硬化度评分：
0：无硬化；
1：硬化涉及关节表面<50%；
2：硬化涉及关节表面>50%。这种简单的序数分类旨在提供CT图像上硬化程度的可重复视觉评估。
硬化被定义为关节表面的皮质高密度（图3）。该参数通过直接观察容易量化，并在不同评估中具有高度重复性。必要时，可以使用常见的测量工具进行更精确的硬化程度估计。图3提供了本研究中使用的三个硬化等级的视觉示例。

图3
该图像的替代文本可能是使用AI生成的。
全尺寸图像
硬化评分系统的视觉表示。图像展示了第四右侧肋骨关节面上的三个硬化程度。评分0：无硬化，皮质骨外观正常。评分1：硬化影响关节表面<50%，此处表现为皮质高密度斑点。评分2：硬化影响关节表面>50%，表现为皮质高密度的弥漫性扩展。

测量按随机顺序进行，操作者无法访问之前的测量数据、临床信息或任何关于样本的记录细节。所有数据均使用简单的数字ID系统进行伪匿名化，确保样本可按性别识别，而年龄细节——存储在单独的数据库中——在分析阶段无法访问。

统计与报告
首先进行了描述性分析。对于每个阶段，实际样本的年龄范围都使用平均值和标准差进行了报告，这些数据是由每位操作员分别对男性和女性受试者观察得出的。为了评估每位操作员的预期观察结果，基于每个肋骨的记录年龄和相应的Iscan阶段范围，计算了先验概率，定义如下：$$\:{\text{P}\text{r}\text{i}\text{o}\text{r}}_{\text{p}\text{h}\text{a}\text{s}\text{e}}=\:\left\{\begin{array}{c}0\:\:,\:\:age\:\notin\:\:\left[{\text{M}\text{i}\text{n}}_{\text{p}\text{h}\text{a}\text{s}\text{e}},{\text{M}\text{a}\text{x}}_{\text{p}\text{h}\text{a}\text{s}\text{e}}\right]\\\:\:\\\:\:\\\:\frac{1}{\sum\:\text{c}\text{o}\text{m}\text{p}\text{a}\text{t}\text{i}\text{b}\text{l}\text{e}\:\text{p}\text{h}\text{a}\text{s}\text{e}\text{s}},\:\:age\:\in\:\left[{\text{M}\text{i}\text{n}}_{\text{p}\text{h}\text{a}\text{s}\text{e}},{\text{M}\text{a}\text{x}}_{\text{p}\text{h}\text{a}\text{s}\text{e}}\right]\:\:\end{array}\right.$$例如，根据Iscan的标准，一个30岁的男性可能被正确分类为第3、4或5阶段，这三个阶段的先验概率各为1/3，其他所有阶段的概率为0。先验概率代表了从实际年龄推断出的理论阶段分布，用于评估操作员的分类准确性。

操作员之间和操作员内部的可靠性使用加权Cohen’s Kappa系数进行了评估。在这种分析中，一致性指的是观察者之间对阶段的精确分配，并不考虑与实际年龄范围的匹配程度，后者是通过成功率指标单独评估的。对于每次观察，“成功”被定义为分配与实际死亡年龄相符的阶段；对于每个肋骨，操作员的成功率计算为成功分类的数量除以评估次数（两次）。由于原始的Iscan阶段具有重叠的年龄范围，不同的阶段分配仍然可能与相同的实际年龄相匹配；因此，这个成功率指标反映了年龄的匹配程度，而不仅仅是阶段的严格一致性。这些成功率被绘制出来，形成了一个用经典逻辑函数建模的曲线。为了评估两位观察者在检查的肋骨上是否产生了相似的成功率分布，使用两样本Kolmogorov–Smirnov检验来比较操作员之间的成功率分布的差异，这是一种不假设正态性的非参数检验，可以检测到成功率分布的整体形状和分散程度的差异，而不仅仅是中心趋势的差异。

对于每个阶段，使用核密度估计（KDE）和高斯平滑函数估计了先验和后验概率密度，并将其绘制出来。核密度估计（KDE）是一种非参数平滑技术，它提供了从离散观察数据中得出的概率分布的连续且直观的表示。选择它是因为它允许在不依赖于任意直方图分箱的情况下可视化数据的整体模式，这可能会影响观察结果的分布。在本研究中，KDE被用来便于比较先验和后验阶段分布，并突出预期分类模式与观察到的分类模式之间的可能差异。

通过核密度估计（KDE）和高斯平滑函数，分析了观察年龄与实际年龄之间的估计误差（低估或高估），并按性别和年龄进行了分析。这种方法提供了年龄组内估计误差分布的平滑可视化，使得高浓度区域和可能的系统性的低估或高估趋势更容易识别。估计误差以连续的形式表示，偏离中心线的程度表示误差的大小：较大的偏差对应于更大的错误分类。将个别观察结果叠加在KDE上，以便直接直观地了解不同年龄组和性别之间的误差分布。

报告可靠性和一致性研究（GRRAS）指南被用于结果报告，所有推断分析的统计显著性设定为P = 0.05 [12]。

为了纳入硬化评分并可能缩小与每个阶段相关的宽泛年龄范围，拟合了两个线性回归模型，以受试者的实际年龄作为因变量。第一个模型仅包括CT Iscan阶段（作为序数变量），第二个模型包括Iscan阶段和硬化评分作为预测因子。通过决定系数（R2）的变化和均方误差（MSE）来比较模型性能。对于每个阶段和硬化类别，计算了估计年龄的95%置信区间，以确定是否包括硬化评分能够使区间变得更窄。R2的显著提高、MSE的减少或扩展模型中置信区间的缩小被认为是硬化评分在每个阶段内细化年龄估计的证据。比较这两个模型旨在评估硬化评分的加入是否提供了超出单纯阶段分类之外的额外预测信息。

描述性分析
收集的样本包括112根右侧第四肋骨，这些肋骨是在2017年7月至2023年9月期间在罗马“Tor Vergata”大学法医学研究所进行的尸检中收集的。样本由74名男性和38名女性受试者组成。男性的平均年龄为53.4岁（标准差：14.1岁），女性为58.0岁（标准差：23.8岁）。按阶段划分的样本分布详细列在表2中。由于Iscan的年龄范围非常宽且重叠，一些肋骨可能对应多个阶段。两位观察者（L. F.和A. M.）各自观察了112根肋骨两次，总共进行了448次观察。表2报告了每个阶段的平均年龄和标准差。

一致性和可靠性
操作员内部的一致性对于两位观察者来说几乎是完美的，加权Cohen’s kappa值分别为0.98（操作员1）和0.92（操作员2）；操作员之间的一致性也很高，无论是第一次（kappa = 0.75）还是第二次（kappa = 0.76）评分会议。所有估计的P值都< 0.001。
操作员1的阶段分配成功率为46.9%，操作员2为48.2%。Kolmogorov-Smirnov检验显示成功率分布之间没有显著差异（KS = 0.036，P = 0.999），表明两位观察者在分配肋骨阶段时表现相似。总体成功率如图4所示。

图4
操作员的成功率。散点代表每个观察案例的成功率，操作员1用向上三角形表示，操作员2用向下三角形表示。虚线代表每位观察者的逻辑回归拟合。

图5显示了Iscan CT分类的先验和后验KDE密度分布。在6及以上阶段，先验概率被过度代表，后验分布向右偏移，表明有倾向于更高阶段的分配。在3到5阶段，先验和后验分布更为接近，差异最小。在第8阶段，后验密度更加分散，表明分类变异性更大。

图5
此图像的替代文本可能是使用AI生成的。

操作员的成功率。散点代表每个观察案例的成功率，操作员1用向上三角形表示，操作员2用向下三角形表示。虚线代表每位观察者的逻辑回归拟合。

为了突出准确性的差异，我们根据样本年龄调查了低估或高估的倾向，按性别进行了分析。图6展示了每种方法的错误分类倾向，按性别区分。

图6
此图像的替代文本可能是使用AI生成的。

核密度估计（KDE）图显示了男性（上）和女性（下）的估计误差。X轴代表个体的实际年龄，Y轴反映估计误差。每个点对应一个观察结果，颜色表示误差类型：蓝色表示低估，绿色表示正确分类，红色表示高估。背景中的KDE热图表示观察结果的密度。较暗的区域表示案例浓度较高，有助于可视化误差更频繁发生的区域。颜色方案（男性为蓝色，女性为红色）纯粹是风格上的，并不表示误差的大小。沿Y轴的密集区域位置提供了关于误差趋势的洞察：向右移动的区域表明高估倾向；向左移动的区域表明低估倾向。

为了评估年龄与肋骨观察结果之间的关系，对每种性别进行了两项线性回归测试。第一个模型仅基于CT Iscan阶段分类，将其视为序数变量。第二个模型同时考虑了CT Iscan阶段和硬化程度作为独立变量，旨在评估后者是否能够细化年龄估计。

男性
测试基于总共296次观察（74名男性个体×每次4次观察）。第一个模型仅使用CT Iscan阶段，解释了39%的年龄变异（R2 = 0.39），均方误差（MSE = 119.28岁2）。第二个模型纳入了硬化评分，提高了解释能力（R2 = 0.49）并减少了预测误差（MSE = 99.42岁2）。然而，95%置信区间的宽度从3.43年增加到3.78年，表明个别预测的变异性略有增加。使用Shapiro-Wilk检验分析残差显示略微偏离正态性（W = 0.98）。鉴于W统计值非常接近1，观察到的偏差很小，实际上可以忽略不计。因此，对于本研究的目的而言，线性回归模型的假设可以被认为是充分满足的。

表3显示了两种模型和性别的年龄估计的95%置信区间，突出了纳入硬化评分的效果。CT Iscan阶段模型的置信区间通常较宽，而CT Iscan阶段+硬化评分模型通过缩小大多数阶段的区间宽度来细化估计。图7使用箱形图直观地表示了这些置信区间，展示了不同阶段和硬化评分之间的年龄估计范围的变化。随着整体宽度从3.43年略微增加到3.78年，表明某些阶段的个体水平变异性有所增加，但这种效应并不均匀。在模型预测准确性最高的中间阶段，硬化评分细化了年龄估计。例如，在第5阶段，CT Iscan阶段的置信区间从53年变为55年，而硬化评分为0时为50-53年，硬化评分为1时为57-61年，表明分类更加精确。相比之下，对于较年长的个体（第6-8阶段），置信区间变宽，例如在第6阶段，范围从55年（硬化评分为0）变为68-75年（硬化评分为2）。

表3显示了两种模型在两种性别中的年龄估计95%置信区间。

图7
此图像的替代文本可能是使用AI生成的。

箱形图表示年龄估计的95%置信区间（CI）。左图显示了仅使用CT阶段分类的模型1的CI，右图显示了结合硬化评分以细化年龄估计的模型2的CI。每个箱子代表下限和上限CI之间的范围， whiskers延伸到整个区间。

此外，纳入硬化评分改变了各阶段年龄估计的相对位置，导致重叠和超出效应。在第6阶段，硬化评分为2的个体的估计年龄范围为68-75年，超过了硬化评分为0时的62-66年。同样，在第3阶段，硬化评分为2的范围（54-62年）超过了硬化评分为0时的46-48年。这种重叠和超出效应表明硬化评分改变了阶段内的年龄分布，使估计范围超出了后续硬化评分为0的阶段。

女性
测试基于总共152次观察（38名女性个体×每次4次观察）。第一个模型仅使用CT Iscan阶段，解释了64%的年龄变异（R2 = 0.64），均方误差（MSE = 200.78岁2）。第二种模型结合了硬化评分，虽然解释能力略有提高（R2 = 0.65），但预测误差（MSE = 195.51年2）有所降低。然而，95%置信区间的宽度从6.25年增加到7.60年，表明个别预测的变异性略有增加。使用Shapiro-Wilk检验分析残差时，发现数据略微偏离正态分布（W = 0.95）。鉴于W统计量接近1，观察到的偏差非常小，实际上可以忽略不计，特别是考虑到样本量相对较大。因此，线性回归模型的假设对于本研究的目的来说可以认为是充分满足的。表3展示了两种模型中年龄估计的95%置信区间，说明了整合硬化评分对女性的影响。与男性相比，硬化的影响呈现更线性的模式，重叠和超出预期的情况较少。图7使用箱形图直观地表示了这些置信区间，显示了不同阶段和硬化评分下的年龄范围分布。

与男性样本不同，第二种模型中置信区间扩大的效应在各个阶段分布更为均匀，没有在特定年龄组中出现显著偏差。尽管年龄估计的总体趋势仍然是渐进和有结构的，但硬化的引入仍然导致各阶段内估计年龄范围的适度调整。然而，这些调整并没有显著干扰CT Iscan阶段的顺序进展。在男性样本中观察到的现象，即低阶段高硬化的个体可能超出下一个阶段的估计范围，在女性中不太明显。相反，硬化似乎起到一个逐渐调整的作用，细化了年龄估计，而没有改变基于阶段的整体进展。

讨论

本研究探讨了Iscan方法通过分析第四右侧肋骨的胸骨端形态来评估死亡年龄的适用性。CT成像是一种非侵入性、非破坏性且极其快速的方法，用于可视化骨骼结构及其内部和外部结构。据我们所知，这是文献中首次将Iscan方法应用于直接对孤立和经过处理的肋骨标本进行CT扫描的研究。之前的研究已经证明了Iscan方法的适用性，但这些研究分析了来自尸检全身CT扫描[13]、活体受试者[10]或临床数据库[14]的图像，间接重建了肋软骨关节的图像。我们的方法有所不同，我们在尸检过程中对肋骨标本进行了物理采样——这种方法之前仅由Dedouit等人[8]描述过，他们没有进一步处理标本，然后在进行CT扫描前对其进行了清洁和准备。尽管这种方法更为复杂，但它使我们能够优化形态特征的可视化，最小化潜在的定位伪影，并在受控和标准化的条件下工作。

最初，我们对包含112块第四肋骨碎片的样本进行了描述性分析，其中74块来自男性受试者，38块来自女性受试者。然后，这些肋骨通过CT扫描，获得的图像由两名观察者根据Iscan方法进行分析和分类。随后对两名观察者之间进行了协议性和可靠性研究。观察到第一次和第二次评分会话之间的观察者内一致性几乎完美：对于第一名观察者，K加权值为0.980（p值<0.01）；对于第二名观察者，K加权值为0.923（p值<0.01）。第一次和第二次评分会话中评估者判断之间的一致性也很高：对于第一次评分会话，观察者判断之间的一致性K加权值为0.749（p值<0.01）；对于第二次评分会话，观察者判断之间的一致性K加权值为0.759（p值<0.01）。

尽管统计指标不能直接比较，但Dedouit等人[8]也观察到了类似的结果，他们将Iscan方法应用于PMCT来评估死亡年龄，并获得了较高的操作者内可靠性（Krippendorff alpha系数为0.79）以及出色的操作者间可靠性（Krippendorff alpha系数在0.78到0.86之间）。Blaszkowska等人[14]获得了操作者内一致性较高的K加权值0.76和观察者间一致性较高的K加权值0.825。最近，Beltran-Aroca等人[15]获得了与我们研究类似的结果，观察到操作者内一致性几乎完美（CT图像的K加权值为0.954）以及操作者间一致性较高（CT扫描的K加权值为0.727）。

在分析各年龄组的成功率时，观察到观察者1在76岁及以上年龄组的准确率最高，观察者2在46-60岁年龄组的准确率最高，这些组的阶段分配与实际年龄更为一致。相反，31-45岁年龄组的成功率最低，误分类情况更为频繁。这些发现表明Iscan方法对中年及以上的个体更为可靠，但在年轻和老年个体中存在局限性。应当注意的是，阶段一致性和分类成功率代表了该方法性能的两个不同方面。在本研究中，一致性指的是观察者在阶段分配上的严格一致，而成功率则反映了分配的阶段是否与个体根据原始Iscan年龄范围的实际年龄相符。由于这些年龄范围是有意设置得较为宽泛且存在重叠的，不同的阶段分配可能仍然对应相同的年龄区间。因此，较低的阶段一致性可能与相对较高的年龄匹配成功率共存，这反映了Iscan阶段系统的内在特性，而不是方法论上的不一致。

在Iscan阶段方面，观察者1对第7阶段的成功率最高，而观察者2对第6阶段的准确率最高，这与预期的年龄范围相符。这些结果与Beltran-Aroca等人[15]获得的结果部分一致，他们的估计在第6和第8阶段更为准确。另一方面，观察者2对第3阶段的成功率最低，经常导致误分类。最后，观察者1对第1阶段的低成功率对于评估方法的准确性没有意义，因为第1阶段没有包含任何实际年龄对应的案例。这证实了该方法在分类年轻个体时存在困难，而在后期阶段的表现更为可靠。

观察到的Prior和Posterior KDE密度分布之间的差异突显了使用Iscan方法对CT成像中的肋骨阶段进行分类时的系统变化。Prior概率中较高阶段的过度代表表明Iscan模型本质上预期个体在后期阶段的分布更广。然而，Posterior分布中第6阶段及以上阶段的向右偏移表明观察者倾向于比预期更频繁地分配较高阶段，可能导致对老年个体死亡年龄的高估。Prior和Posterior分布在第3至5阶段的一致性表明这些阶段更为稳定且分配更为可靠。这些结果与Beltran-Aroca[15]的研究结果形成对比，他们的研究显示早期阶段（1-3）倾向于高估年龄，而后期阶段（4-8）倾向于低估年龄，第3阶段有两次例外，倾向于低估，第7阶段倾向于高估。本研究还显示第8阶段的离散度增加，表明观察者分类的变异性更大。这一发现可能反映了老年骨骼重塑的性质。在肋骨变形的后期阶段，形态变化变得不那么明显，退行性特征（如边缘不规则、骨赘形成和皮质重塑）的发展可能以更加异质和个体化的方式发生。因此，属于老年组的标本可能表现出不符合单一阶段描述的形态特征组合，增加了分类的主观成分。通过CT成像评估时，这种变异性可能更加明显。与传统的宏观检查不同，CT可视化允许观察者同时了解外部形态和内部结构变化，包括皮质密度变化和关节表面硬化。这些额外的细节可能揭示出使用纯基于表面的标准时会被归为同一阶段的标本之间的差异。

在这种情况下，目前包含在第8阶段的广泛形态谱可能涵盖了处于不同骨骼重塑阶段的个体。因此，我们结果中观察到的离散度表明这一阶段可能代表一个异质类别，而不仅仅是一个单一的形态阶段。未来基于CT的应用可以探索定义这一阶段的标准的可能细分或精细化，以便更好地捕捉老年个体中的变异性，并可能提高老年组的分类一致性。总体而言，结果强调了需要考虑基于阶段的年龄估计方法中的潜在偏差，尤其是在老年个体中，分类变异性增加。正如Russell等人[16]之前指出的，Iscan和Hartnett方法的主要局限性之一是它们在描述骨骼重量和质量方面不够准确，这两个参数对于将样本正确分配到相应的年龄阶段至关重要，尤其是对于老年个体。此外，这些特征只能通过触诊来评估，因此即使应用Iscan方法到PMCT[15]也可能成为限制。

2018年，Merritt[17]提出了一种改进的方法，用于将Iscan和Hartnett方法应用于第四肋骨的CT扫描，同时考虑了重量和骨骼质量；通过这种方法，特别是对于30岁左右的男性和40岁以下的女性，将标本正确分配到年龄阶段的准确性得到了提高。进一步的研究可以探索整合额外的形态参数或修订阶段定义是否可以提高Iscan方法在法医和人类学背景下的可靠性。与此相关，我们的研究表明，通过引入一个新的CT特定参数（关节窝硬化），可以获得关于尸体年龄的额外信息，从而进一步缩小年龄范围。如前所述，PMCT识别出三种关节窝硬化模式：如果关节窝硬化不存在，则分配0分；如果硬化涉及<50%的关节表面，则分配1分；如果硬化涉及>50%的关节表面，则分配2分。某些年龄组（例如第1组和第2组）完全属于硬化组0，而对于其他年龄组，硬化评分1或2可能倾向于更高的年龄预测范围。据我们所知，之前没有研究将Iscan方法应用于PMCT来估计死亡年龄时发现第四肋骨胸骨端窝的硬化。

来自男性受试者的回归模型表明，虽然硬化参数提高了整体年龄估计的准确性，但它为单个案例的评估引入了轻微的不确定性增加。这些发现表明硬化是基于阶段的分类的结构修饰因素，而不仅仅是一个简单的加性因素。虽然它增强了同一阶段内个体之间的区分度，但在某些年龄组，特别是老年个体中，它引入了更大的变异性，因为硬化的发展更为不规则。估计年龄的重新分配挑战了CT Iscan阶段的顺序解释，表明骨骼老化遵循更加个体化的轨迹，硬化在加速或修改预期年龄估计中起着关键作用。观察到在男性受试者中，硬化的存在导致个体被分配到更高的年龄阶段。例如，一个处于第2阶段且硬化评分为2的个体比一个处于第3阶段且硬化评分为0的个体更有可能被分配到更高的阶段。相反，来自女性受试者的回归模型结果表明，虽然硬化增加了个体水平的变异性，但它并没有在基于阶段的分类中造成重大不一致。相反，它遵循一种更为结构化且可预测的效应，仅在预期的范围内修改估计年龄，而不是将个体推进到下一阶段的年龄范围。这种模式强调了将硬化现象纳入法医年龄估计模型的重要性，同时也突显了骨骼重塑和硬化进程与基于阶段的分类之间的潜在性别差异。因此，必须强调这个新参数不应单独用于将样本分配到正确的年龄阶段，而应作为应用于第四肋骨胸端CT图像的Iscan方法的额外评估工具。

从实际法医角度来看，基于CT的第四肋骨胸端评估在身份识别方面有多种应用。在许多法医场景中，特别是在高度分解的遗骸、骨骼化遗骸或大规模灾难调查中，孤立的肋骨碎片可能是可分析的保存骨骼元素之一。通过CT成像应用Iscan方法允许进行无损检查、形态特征的数字存档以及多位专家的重复评估，这可能提高法医案件的透明度和可重复性。此外，法医实践中越来越多地使用死后计算机断层扫描（PMCT），使得基于CT的肋骨分析甚至可以在骨骼处理之前进行，从而在放射学检查期间进行初步年龄估计。

尽管Iscan方法最初是为死亡年龄估计开发的，但基于CT的肋骨形态评估也可以作为活体个体放射学年龄估计的补充指标。在这种情况下，非侵入性成像至关重要，而内部骨骼特征（如硬化现象）可以提供传统检查无法获得的额外信息。然而，在将其应用于医法实践之前，还需要在临床数据集上进行进一步验证。

需要进一步的研究来改进将Iscan方法应用于第四肋骨胸端CT扫描以确定骨骼遗骸死亡年龄的方法，并确定其在法律目的下确定活体年龄的潜在应用[18]。

**局限性**
本研究存在一些局限性。研究人群中男性和女性的比例不均衡，数据集中包含的男性样本数量较多。这种不平衡可能会以多种方式影响性别特异性分析的稳健性。首先，较小的女性子样本降低了统计功效并增加了回归估计的变异性，可能导致女性模型中的置信区间更宽。其次，组间大小不等可能会放大较小组中个别观察值的影响，使回归结果对异常值或局部分布模式更加敏感。因此，观察到的男性和女性回归模型之间的差异应谨慎解释，并视为探索性证据，而不是性别相关肋骨老化模式的决定性证据。此外，不均衡的分布可能会部分影响硬化参数在两性之间的作用，因为较小的样本可能会掩盖或夸大变量之间的结构关系。未来需要包括更多且性别分布更均衡的研究，以确定观察到的差异是否反映了骨骼重塑的真实生物学变化，还是部分归因于抽样偏差。