【文献快讯】人工智能技术在骨科领域中的应用进展


文献快讯


人工智能技术在骨科领域中的应用进展



本文来源:

中华骨科杂志  December 2020, Vol. 40, No. 24

DOI: 10.3760/cmaj.cn121113-20200924-00578





本文作者: 

刘蓬然 霍彤彤 陆林 刘松相 张加尧 谢毅 叶哲伟

华中科技大学同济医学院附属协和医院,武汉430022


通信作者:

叶哲伟教授      


【摘要】人工智能(artificial intelligence,AI)技术是一项由计算机科学、数学、哲学、心理学、控制论、决定论等多学科交叉融会而成的前沿技术,它的核心理念是基于机器学习、深度学习等计算机算法来研究人类大脑的智能,对人类的智力进行模拟、开发和延伸,最终实现计算机的自主智能活动。随着该项技术的不断发展,AI已逐步形成了以计算机视觉、语音识别、自然语言识别、决策规划以及大数据分析为主的几个宏观技术方向,并广泛应用到骨科领域中,改变了骨科疾病传统的诊疗思路。AI技术应用于骨科不但提高了骨科医生的工作效率、减轻了工作负荷,同时也为患者提供了安全有效的临床保障,给临床骨科疾病的诊断、治疗和康复带来巨大推进。经过文献检索筛查,本文选取了近几年来A技术在骨科领域的最新研究成果,对其在急诊分诊、病情危重度评估、疾病诊断、高危人群风险预测及手术治疗中的应用现状展开综述,旨在介绍AI技术在骨科领域的最新进展,促进AI技术和骨科领域新的深度融合,并为AI技术在骨科领域的未来研究方向提供参考。




    人工智能(artificial intelligence,AI)技术被誉为是继第一次工业革命(蒸汽革命)、第二次工业革命(电气革命)、第三次工业革命(计算机革命)之后的第四次工业革命的核心驱动技术之一。21世纪以来,AI技术取得一系列突破性进展,同时逐步渗入至医学行业之中,为医疗模式带来革命性的改变。本文广泛参考国内外相关领域中AI医学应用的最新研究文献撰写了此综述,旨在为广大临床工作者全面介绍AI在医学中的应用现状及展望,以期推进AI技术在医学领域中新的发展。

    人工智能(artificial intelligence,AI)被认为是21世纪的新型尖端技术之一,是由计算机科学、数学、哲学、心理学、控制论、决定论等多学科交叉融会而成的一项前沿技术。A技术的理念是基于计算机算法来研究人体大脑智能,从而对人类智力进行模拟、开发和延伸,最终实现计算机自主反应的智能活动。1950年,AI的创始人艾伦·图灵首次发明了“图灵测试”:设置一台具备高速运算、记忆功能和逻辑功能的计算机作为“测试者”,并为这台计算机预先编写智能程序,根据现场情况有方向针对性地完成后续测试,“被测试者”设置为人类;在二者相隔的状态下由测试者对被测试者进行提问测试,经过多轮测试,如果计算机能让超过30%的被测试者误以为测试者是人类,那么则认为计算机具备了人类智能。“图灵测试”就是AI技术最早的雏形。基于“图灵测试”,图灵提出AI技术的概念是与人脑智能相似的计算机算法,但同时其复杂程度、高效性又不亚于甚至超过了人脑智能。当时由于基础硬件设备落后、数据库贫瘠、算法不足等多方面的限制,AI技术的发展一度处于寒冬状态。但近年来计算机科技和互联网技术的迅猛发展带来了计算机硬件、算力和大数据库的提升,机器学习、强化学习和深度学习等智能算法也逐渐涌现(图1),使AI技术迎来了跨越式发展,并产生了以计算机视觉、语音识别、自然语言识别、决策规划及大数据分析为主的几个宏观技术方向,在数据的智能识别、理解、决策等方面获得了重大突破。

    随着AI技术革新式的突破,包括医疗行业在内的很多传统行业都因此出现了颠覆式的进展,逐渐形成了“AI行业”的新型发展模式。其中骨科领域更是在AI技术的推动下产生了诸多新型诊疗思路,发展潜力极大。本文对近年来AI技术在骨科领域的应用和研究进展进行综述。


图1人工智能概念图



01

文献检索策略


    




    在PubMed、Web of Science数据库限定语言“English”并以关键词“artificial intelligence’”和“orthopaedics”进行检索,时间范围设定2017至2020年。文献纳入标准:与人工智能和骨科主题相关的临床研究,能以较高循证医学等级介绍或证明了AI技术的有效性。文献排除标准:①重复性研究;②主题相关度不高、循证医学等级低的研究;③无法获得全文的文献。共检索文献804篇,依据纳入和排除标准进行筛选,最终纳入文献39篇(图2)。








图2 文献筛选流程图



02

AI技术在骨科疾病急诊分诊中的应用

    临床上的骨科患者多在院外由于摔伤、车祸伤等暴力损伤导致创伤性骨折、骨关节脱位,具有发病急、病情重的特点,伴有开放性骨折、多发性骨折者更是如此,严重者甚至可危及生命。因此,骨科患者多首选急诊骨科方式进行就诊,在患者紧急就诊的情况下按照病情轻重缓急决定暂时留观、紧急手术或转入骨科亚专科住院治疗的快速分诊模式尤为重要。然而,在目前大多数地区医疗系统中,急诊骨科普遍存在医务人员不足、医疗资源匮乏、工作负荷过大等问题;由于患者个体差异大、病情复杂,分诊去向很大程度依赖高年资医生的医学经验,不但不利于准确分诊,也不利于低年资医生的成长培养。因此建立高效、准确的急诊骨科分诊系统具有重要的临床意义。

    随着AI技术的进展,AI理念也逐步应用到了急诊分诊模式中来。Fernandes等回顾性分析了关于临床决策系统(clinical decision support systems,CDSS)的研究后指出,基于机器学习算法(逻辑回归模型)的CDSS能够根据急诊患者的年龄、性别、生命体征等参数建模,成功预测出急诊患者处理时的优先次序、是否需要重症监护、重症监护时长及院内死亡率,对急诊医疗人员的临床决策有明确的指导作用,有效促进了急诊患者的治疗效果。Patel等建立了决策树、逻辑回归、随机森林、梯度提升机四种算法模型对急诊患者进行预测试验,经深度学习后四种算法中除决策树模型外都能准确预测患者的医疗需求和护理级别。Nas和Koyuncu统计了Ceyhan医院急诊科5年内的数据进行机器学习后构建出AI模型,可较精确地预测急诊科容量和最优床位规划,有利于急诊科室管理与急诊患者就诊规划。

    这类基于AI技术的新型分诊系统也较传统分诊系统更加精准和优越。Lee等通过变量回归模型对81520例急诊患者进行分析后开发出了急诊部门的分类预警评分(Triage in Emergency Department Early Warning Score,TREWS)应用结果表明,在患者就诊后30d内各阶段死亡率的预测活动中,TREWS的性能优于常用的国家早期预警评分(National Early Warning Score,NEWS)、改良早期预警评分(Modified Early Warning Score,MEWS)、快速急救医学评分(Rapid Emergency Medicine Score,REMS)等系统。Cheng和Kuos所建立的长期短期记忆(Long Short Term Memory,LSTM)递归神经网络模型对急诊就诊时长等参数的预测较线性回归模型的预测结果的平均绝对误差降低9.7%,进一步优化了对急诊医疗资源的合理分配。另外,还有多项AI技术应用于急诊分诊的研究,总体来说此类基于AI新型分诊系统的出现极大地促进了患者急诊就诊时的科学分诊和高效分诊,是骨折患者快速诊治的前提保障。





03

AI技术在骨科疾病诊断中的应用

    X线和CT扫描是骨科医生进行临床诊断时的主要检查工具。影像学资料的阅读对临床骨科医生而言通常可以胜任,但在临床患者需求量激增和医疗资源不足带来的超负荷工作压力下,尤其当存在微小骨折、原位骨折、隐匿性骨折等X线、CT显示不明显的骨病时,容易出现识别不清、诊断不准确甚至误诊的风险。有数据表明,骨科影像学诊断的漏诊误诊率可高达40%,这对疾病的早期诊治与恢复将产生不利的影响。
    随着深度学习算法的不断进展,AI技术正逐步应用到骨科疾病的诊断并取得了良好的成效。Gan等对2340例桡骨远端骨折患者的影像资料进行了卷积神经网络的算法分析,经过学习后AI算法的智能诊断在准确性、敏感性和特异性方面都达到了骨科医生的平均水准;同样是桡骨远端骨折的诊断,Lindsey等所建立的深层神经网络模型选取了更大规模的数据库,通过分析135409例桡骨远端骨折的X线片进行深度学习,其精确度超过了18名高级专业骨科医生的诊断结果,基于AI模型的辅助骨折诊断的敏感度平均提升10.7%、特异度提升9.4%,有效降低了临床骨科疾病的漏诊和误诊风险。类似桡骨远端骨折的AI识别诊断模型,Choi等的研究通过双输神经网络模型分析了5年内在骨科就诊的小儿肱骨髁上骨折患者,通过深度学习该研究的AI算法模型达到了高效、高敏感性的骨折识别,在临床小儿肱骨髁上骨折的快速诊断中起到了很大的作用;Kimt和MacKinnon用深度卷积神经网络对25505例髋部骨折的X线片进行了训练学习,同时使用可视化算法梯度加权确认了模型的可用性,最终在髋关节骨折的智能诊断中获得了95.9%的识别正确率,相比骨科医生人工诊断有更高的效率和经济价值。和经济价值。Chung等通过深度学习算法对肱骨近端X线片(1891例正常、346例大结节骨折、514例外科颈骨折、269例Neer三部分骨折、247例Neer四部分骨折)进行训练后,其对肱骨近端骨折尤其是复杂的Neer三部分和四部分骨折能够做到智能化诊断,并实现了智能骨折分型;该模型的敏感性和特异性分别达到了97%和94%,其效能大大优于专业骨科医生。对骨科临床上常易发生漏诊的隐匿性腕舟骨骨折,也有研究采用AI算法经过深度学习后实现了舟骨骨折的智能诊断。
    除骨折的诊断外,AI技术还能通过深度学习后实现基于健康受试者现阶段身体各项指标的高危风险骨折预测,提高相应群体的预防意识,从而降低骨折的发生率;能够改善临床骨科医生判断儿童骨龄费时耗力、精确度不高的问题,实现了智能化骨龄诊断;给脊柱侧凸、骨肿瘤、骨关节炎、运动系统损伤等多种骨科疾病的快速诊断带来了巨大推进。总的来说,AI算法对骨科疾病的诊断起到了重要的辅助作用,确实在减轻骨科医生工作压力的同时能够更高效、精准地实现智能诊断。但同时也有学者表示质疑,认为对X线表现不典型的骨折类型,AI技术的识别或许会存在假阳性的可能。因此,未来进行更大规模数据库的深度学习和AI识别后设立人工监管在目前阶段仍然十分必要。



04

AI技术在骨科疾病治疗中的应用

    创伤性骨折、骨关节炎、骨肿瘤、运动系统损伤等骨科疾病往往需要外科手术干预才能达到更好的疗效。A[技术同样在外科手术中得到了广泛应用,其中以A[手术机器人最为突出。精细、微创一直是外科手术所追求的目标。虽然早在上世纪80年代能达到这一水平的手术机器人就已出现,如PUMA-560(UNIMATION,美国)、Probot(Imperial College London,英国)、AESOP(Computer Motion,美国)、Robodoc(Curexo Technology Corporation,美国)和Acrobot(Acrobot Corporation,英国)等,但这些手术机器人并未实现“AI”的理念,只能算作是纯粹意义上的“外科机械手臂”。
    近年来随着计算机技术和AI算法的进展,具有AI技术的手术机器人也逐渐投入临床使用。麻省理工学院设计的“达芬奇”手术机器人在2000年由美国食品药物管理局批准正式投入临床至今,在不到20年时间里已风靡全球各大医院,在各外科领域取得了突破性进展,标志着AI手术机器人的时代正式来临。这类智能手术机器人在传统“外科机械臂”的基础上,增加了AI算法对术中患者资料的智能分析,从而能够智能识别病灶、设计手术方案、确定切割路径、确定切割范围、自主导航、术中快速病理报告、优化临床决策,为外科医生提供智能手术辅助,促进了传统手术方式的巨大变革。
    美国Mko公司推出的智能矫形手术机器人RIO在骨科髋、膝关节置换手术中获得了良好的使用效果,可有效降低手术时长、术中辐射量和术中失血;用于椎弓根螺钉内固定术时,智能机器人Renaissance(Mazor,以色列)和Rosa(Medtech,法国)都对手术的精准性、安全性和高效性有所提升。2006年,由北京积水潭医院自主开发的“天玑”骨科机器人(北京天智航医疗科技股份有限公司,中国)结合了传统的机械手臂和实时智能导航,具有极高的手术精准度和安全性,在四肢、脊柱、骨盆骨折的手术治疗中取得了良好应用,掀起了国产AI手术机器人的热潮。随后多项由我国自主研发的智能手术机器人纷纷涌现。其中2020年由南方医科大学设计研发的Orthobot脊柱手术机器人(深圳鑫君特智能医疗器械有限公司,中国)融入了触觉反馈分析、智能预警机制和钉道批量规划,可实现对肌骨组织的智能保护,提高骨科手术的精准性和高效性,体现了我国智能手术机器人的发展水平。然而,尽管现代AI机器人在很大程度上体现了AI的技术理念,但现阶段仍无法完全脱离骨科医生的操控达到完全理念上的智能,也许随着AI技术的快速发展这一步很快将会实现。
    除AI手术机器人外,还有研究针对腰背疼痛患者建立了筛查算法模型,从疼痛、并发症、功能障碍、焦虑等心理状态几个参数进行分析后确定需要手术治疗的患者群体,为临床手术方案的决策提供参考;在骨肿瘤的治疗中,手术方案的规划和制定影响术后复发和远期生存率,采用IBM Watson Health(IBM,美国)认知医疗保健解决方案可以基于对肿瘤数据库的深度学习后智能提出决策治疗方案,提高手术精准性的同时降低医疗成本。同样,在术前、术中的麻醉深度智能检测、管控、麻醉风险预测、非预期性血管神经意外损伤预测、术后感染等并发症的转归预测及康复治疗辅助(如患者康复功能评估、智能机器人辅助康复锻炼)中,AI技术都得到了积极的应用。

    综上所述,随着AI技术的不断发展和延伸,作为新时代的核心技术之一,其理念已经逐步融入骨科疾病的诊断、手术治疗和康复之中,带给传统的骨科医疗模式巨大的变革和进展。虽然在这些进展中会出现一定的风险和弊端,也有医学伦理学等问题仍需解决,但AI辅助技术将会是未来的研究方向,一定会为骨科领域带来更大的突破。本研究的不足是,虽使用主题相关的关键词在多个数据库中进行了全面检索,但可能由于关键词和数据库选取的不完善存在文献遗漏,且文献筛查策略中同样可能存在主观性差异。




原创:《中华骨科杂志》

摘自:中华骨科杂志 December 2020, Vol. 40, No. 24

利益冲突:所有作者声明不存在利益冲突

整理:王泓霖

        华中科技大学同济医学院附属协和医院





END





未经允许不得转载:ai论文润色 » 【文献快讯】人工智能技术在骨科领域中的应用进展

评论 抢沙发

评论前必须登录!

立即登录   注册