综述：AI驱动的膝关节骨关节炎预测的生物力学建模：有限元与机器学习方法的综合综述

《Results in Engineering》：AI-Driven Biomechanical Modeling for Knee Osteoarthritis Prediction: A Comprehensive Review of Finite Element and Machine Learning Approaches

　　

膝关节骨关节炎（KOA）是一种多因素、进行性关节疾病，涉及多种组织的机械和生化退化，包括关节软骨、软骨下骨、半月板和韧带。其发展由异常负荷、组织力学改变和生物重塑之间的复杂相互作用驱动。理解其发病和演变需要一种综合方法，将组织力学、影像生物标志物和患者特异性变异联系起来。有限元（FE）分析已成为研究现实生理条件下膝关节生物力学的核心方法。在过去的二十年中，FE模型已经从简化的、均匀的表示发展到详细的、患者特异性的模拟，更好地捕捉解剖结构和组织行为。本综述深入综合了膝关节FE建模的最新发展，强调了人工智能（AI）与生物力学模拟日益增长的一体化，并概述了关键方法论进展以及剩余的研究空白。在这些基础建立之后，最近的进展将AI引入作为FE建模的变革力量。AI现在自动化了分割和网格划分，从定量MRI或CT预测空间变化的组织刚度，从步态或传感器数据估计受试者特定边界条件，并通过代理建模加速求解器性能。此外，混合AI-FE框架通过将生物力学应力分布与影像衍生的软骨退化生物标志物联系起来，能够预测KOA的发病和进展。生物力学、医学影像和人工智能之间的这种协同作用标志着膝关节骨关节炎精准医学的决定性一步，实现了更早的诊断、个体化的风险评估和更有针对性的治疗策略。

1. 引言

1.1 问题定义
膝关节骨关节炎（KOA）是一种多因素进行性关节疾病，涉及软骨、软骨下骨、半月板和韧带等组织的机械和生化退化。其全球患病率在过去三十年中翻倍，膝关节是最常受累的关节，占所有骨关节炎（OA）病例的约85%。KOA由生物和机械因素共同作用引起，包括衰老、激素变化、遗传背景以及肥胖、损伤或力线不良导致的异常负荷。当前治疗主要针对症状缓解，无法阻止或逆转疾病进展，晚期全膝关节置换（TKR）是唯一有效选择，但昂贵且具有侵入性。因此，需要早期、可靠的预测工具来识别高风险患者并指导预防干预。

1.2 有限元（FE）建模与人工智能（AI）在KOA研究中的应用
有限元（FE）方法通过将膝关节划分为小单元，计算行走等活动中局部应力、应变和流体压力，是研究机械负荷导致关节退化的有力工具。FE模型可预测高应力区域与未来软骨变薄和损伤对应，并允许模拟不同情景（如步态、力线、体重变化）。然而，FE建模仍然复杂、耗时，需要详细影像、精细网格划分和材料校准，且临床验证有限。近年来，人工智能（AI）通过增强FE工作流程的每个阶段来应对这些挑战，包括经典机器学习（ML）方法（如支持向量机、随机森林）和深度学习方法（如卷积神经网络（CNN）、Transformer、图神经网络），用于自动分割、材料属性预测、加载条件估计和代理建模。

1.3 综述目的与范围
本综述旨在综合AI与FE建模的整合，涵盖从自动分割、材料属性估计到代理建模和纵向KOA预测的完整AI-FE流水线。评估FE建模在KOA发作和进展预测中的作用，以及AI如何通过自动化、个性化和计算加速克服当前方法局限性。综述分为两个互补部分：基于FE的KOA建模和AI增强的FE工作流程。

2. 方法

2.1 搜索策略
在PubMed、Web of Science、Scopus、IEEE Xplore和ScienceDirect数据库中检索2015-2025年文献，重点为最近五年，并选择性纳入1950-1980年的基础工作。使用Rabbit Research作为文献发现工具。搜索词包括KOA、FE建模、生物力学、AI、ML、深度学习（DL）及疾病预测相关关键词。

2.2 研究选择、资格标准与方法学评估
从五个数据库检索到的记录导入Mendeley，去除重复后，按筛选流程排除仅关注韧带损伤、骨折、植入物力学或非KOA应用的研究。剩余文章进行全文评估，由三位评审者独立筛选，仅当达成共识时保留研究。由于FE和AI研究的方法学异质性，未应用标准化偏倚风险工具，而是基于方法学报告完整性、FE模型开发透明度、验证程序报告、定量性能指标清晰度以及对基于FE的KOA研究的技术贡献进行结构化描述性评估。

3. 结果

3.1 有限元分析在膝关节骨关节炎研究中的兴起
早期膝关节生物力学研究依赖尸体实验，但受限于标本可用性、成本和无法模拟真实动力学。体外机械测试和仪器化植入物提供了有价值的数据，但均有限。这促使向数值模拟技术（特别是FE方法）转变。FE方法起源于20世纪50-60年代，在80-90年代扩展到生物力学和骨科。在KOA背景下，Donahue等人开发了首个全面的3D膝关节FE模型，Blankevoort和Huiskes等人增加了韧带、软骨和半月板。过去四十年，FE模型从简化几何和静态载荷发展到患者特异性、解剖详细且生理真实的模拟。尽管有进展，仍面临高计算成本、缺乏体内数据、影像密集型工作流程以及患者因素整合有限等挑战。

3.2 膝关节有限元建模的常见技术步骤

3.2.1 几何构建
FE模型可靠性高度依赖几何精度。模型构建包括影像获取、分割重建3D组织，以及网格划分转换为有限元。MRI是金标准，提供高对比度软组织可视化，但各向异性像素导致软骨厚度重建误差0.16-0.22 mm，可影响峰值接触应力10-30%。CT提供优越的空间分辨率和骨表面重建精度，可基于Hounsfield单位（HU）分配异质性骨材料属性，但缺乏软组织对比度，通常假设均匀软骨厚度（2 mm），导致力分布误差高达27%。X射线结合统计形状模型（SSM）可从二维投影推断三维几何，但精度有限。分割方法包括手动、半自动和自动深度学习（DL）方法，后者（CNN和Transformer）达到Dice系数0.86-0.98（骨）和0.83-0.90（软骨），将分割时间从数小时减少到数分钟。基于图谱的方法通过变形通用模板创建个体化几何，适用于大规模研究，但严重OA或异常解剖时变形误差大。网格划分使用四面体或六面体单元，密度影响薄组织精度，自动化网格划分框架将专家时间从数小时减少到分钟。

3.2.2 材料属性分配、加载和边界条件
关节软骨材料模型从简单的均匀各向同性线弹性（HILE）发展到双相理论、纤维增强孔隙粘弹性（FRPVE）模型。FRPVE模型最生理真实，可模拟胶原纤维和蛋白聚糖降解，但计算昂贵（4-24小时）。研究表明，对于大规模OA预测，模型性能更依赖于几何、加载和参数校准，而非材料模型复杂性。影像信息材料属性（如T₂、T_1ρ弛豫时间）可映射到局部弹性模量，但主要来自离体标本，体内有效性待验证。

3.2.3 加载和边界条件
早期模型使用简化的静态轴向载荷，后来加入屈曲角度和低摩擦接触。最生理的加载框架耦合肌肉骨骼（MS）逆动力学模型与FE模拟，从步态数据计算肌肉和关节反作用力，并作为时间变化边界条件施加。MS-FE工作流程受限：不同平台（AnyBody vs OpenSim）导致软骨应力差异0.1-0.3 MPa，多数模型将膝关节简化为1自由度铰链，忽略次要运动。病理因素（如内翻力矩、半月板丢失、肥胖）可