朱宇凡 趙 欣 蔡 林 謝遠(yuǎn)龍

(1.武漢大學(xué) 中南醫(yī)院 脊柱與骨腫瘤科，湖北 武漢 430072；2.武漢大學(xué) 基礎(chǔ)醫(yī)學(xué)院，湖北 武漢 430072)

人工智能(artificial intelligence，AI)概念，由約翰·麥卡錫(John McCarthy)于1956年首次提出[1]。AI作為計(jì)算機(jī)科學(xué)的一個(gè)分支，旨在利用機(jī)器模擬并延伸拓展人類(lèi)智能，使機(jī)器自身獲得思考、推理等學(xué)習(xí)能力。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域中一個(gè)新的研究方向，是一個(gè)復(fù)雜的機(jī)器學(xué)習(xí)算法，可使機(jī)器學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律和層次。其最終目標(biāo)是讓機(jī)器能夠像人一樣具有分析學(xué)習(xí)能力，能夠識(shí)別文字、圖像和聲音等數(shù)據(jù)，即達(dá)到AI[2]。目前，AI應(yīng)用領(lǐng)域不斷擴(kuò)大，一些AI技術(shù)如智能搜索引擎、語(yǔ)音識(shí)別和自動(dòng)駕駛，已在日常生活中廣泛運(yùn)用[3]。

在醫(yī)學(xué)領(lǐng)域，AI的應(yīng)用前景十分廣闊。在傳統(tǒng)的醫(yī)學(xué)診療模式下，繁雜瑣碎的機(jī)械性工作極大耗費(fèi)了臨床醫(yī)生與科研人員的精力；且因個(gè)人能力水平、思維習(xí)慣及患者個(gè)體差異等因素，最終診療效果參差不齊。而AI可為疾病診斷提供有價(jià)值的判斷與決策，為治療提供更精確的引導(dǎo)與輔助[4]。適當(dāng)?shù)乃惴梢詫?shí)現(xiàn)對(duì)患者的病歷信息(包括癥狀、實(shí)驗(yàn)室結(jié)果和體檢結(jié)果)進(jìn)行全面整合，針對(duì)性地為患者設(shè)計(jì)診療方案[5]?；诖罅繑?shù)據(jù)訓(xùn)練，AI影像判讀系統(tǒng)可以快速鎖定病變部位并作出診斷，幫助放射科醫(yī)生提高診斷的準(zhǔn)確性。AI與機(jī)器人技術(shù)結(jié)合，可以開(kāi)發(fā)具有自主性的智能手術(shù)機(jī)器人。總之，AI的技術(shù)優(yōu)勢(shì)使診療水平得到進(jìn)一步提升，彌補(bǔ)了個(gè)人技術(shù)水平的不足，并減輕了醫(yī)護(hù)人員的勞動(dòng)強(qiáng)度。

骨科作為一門(mén)傳統(tǒng)的大體量外科分支學(xué)科，新時(shí)代的發(fā)展方向是智能化、高效化、精準(zhǔn)化?，F(xiàn)階段，AI在骨科疾病的診斷和治療方面展示出強(qiáng)大的發(fā)展與應(yīng)用潛力。

1 AI輔助骨科臨床診斷

骨科的大多數(shù)疾病，其診斷離不開(kāi)X線、CT、MRI、超聲等影像學(xué)檢查，計(jì)算機(jī)技術(shù)催生了醫(yī)學(xué)影像學(xué)的數(shù)字化圖像技術(shù)，在臨床工作中廣泛運(yùn)用。機(jī)器學(xué)習(xí)(machine learning)是AI的一個(gè)分支，可應(yīng)用于開(kāi)發(fā)醫(yī)學(xué)圖像的模式識(shí)別技術(shù)。具體來(lái)說(shuō)，如果機(jī)器學(xué)習(xí)算法應(yīng)用于一組數(shù)據(jù)(例如腫瘤的影像學(xué)圖像)和關(guān)于這些數(shù)據(jù)的一些指標(biāo)(例如腫瘤的良性或惡性)，那么算法系統(tǒng)就可以從訓(xùn)練數(shù)據(jù)中自主學(xué)習(xí)，并應(yīng)用它所學(xué)的知識(shí)來(lái)執(zhí)行診斷(判斷腫瘤是良性或惡性)。算法系統(tǒng)不斷優(yōu)化參數(shù)，提高性能的過(guò)程(診斷的速度和準(zhǔn)確度提高)，就是機(jī)器學(xué)習(xí)的過(guò)程[6]。

運(yùn)用機(jī)器學(xué)習(xí)技術(shù)可開(kāi)發(fā)智能診斷系統(tǒng)，作為影像科醫(yī)生和臨床研究人員的有力輔助工具。其優(yōu)勢(shì)如下：①計(jì)算機(jī)可以持續(xù)、標(biāo)準(zhǔn)化地執(zhí)行診斷任務(wù)；②幫助醫(yī)生將注意力集中在可疑病變區(qū)域，縮短閱片時(shí)間；③幫助研究人員開(kāi)展大樣本量臨床數(shù)據(jù)的隊(duì)列研究。Jamaludin等[7]將此技術(shù)應(yīng)用于脊柱MRI閱片，診斷椎間盤(pán)退行性病變，經(jīng)測(cè)試準(zhǔn)確率達(dá)到95.6%?；诖髷?shù)據(jù)和深度學(xué)習(xí)模式，AI已應(yīng)用于骨質(zhì)疏松的診斷，既可模擬脆性骨折的風(fēng)險(xiǎn)，又有助于圖像的分割和識(shí)別。AI可對(duì)骨折的危險(xiǎn)性進(jìn)行較好的預(yù)測(cè)，這些輔助工具現(xiàn)已初步應(yīng)用于骨質(zhì)疏松癥的研究，其工作效率和準(zhǔn)確性也在不斷校正中逐漸提升[8]。Olczak等[9]將5個(gè)可用于公開(kāi)使用的深度學(xué)習(xí)系統(tǒng)應(yīng)用于手部、腕部和踝部的骨折X線判讀，以骨折診斷金標(biāo)準(zhǔn)為基準(zhǔn)對(duì)其進(jìn)行調(diào)校，將機(jī)器判讀結(jié)果與兩位資深骨科專家進(jìn)行對(duì)照，性能最好的系統(tǒng)最終準(zhǔn)確率約83%。這說(shuō)明在理想狀態(tài)下，即圖像與該系統(tǒng)分辨率相適應(yīng)時(shí)，機(jī)器判讀的表現(xiàn)可匹敵資深專家。基于活動(dòng)形狀模型(active shape model，ASM)理論，Spampinato等[10]首次將CHN骨齡評(píng)價(jià)標(biāo)準(zhǔn)中的相關(guān)文字描述轉(zhuǎn)化為數(shù)字特征，對(duì)青少年手腕關(guān)節(jié)X線片圖像進(jìn)行多層次分步評(píng)估，構(gòu)建骨齡自動(dòng)化評(píng)估系統(tǒng)。骨關(guān)節(jié)炎常伴隨滑膜炎的發(fā)生，Hemalatha等[11]基于空間分析技術(shù)，根據(jù)回聲強(qiáng)度對(duì)關(guān)節(jié)的滑膜區(qū)進(jìn)行定位，將滑膜區(qū)的積液腫脹度分為四個(gè)不同的等級(jí)，運(yùn)用深度學(xué)習(xí)技術(shù)判讀超聲圖像，實(shí)現(xiàn)骨關(guān)節(jié)炎的智能診斷。

對(duì)于骨腫瘤性疾病，組織病理檢查是定性的金標(biāo)準(zhǔn)，可以作為判斷腫瘤侵襲性和患者預(yù)后的有效參考。隨著全切片掃描技術(shù)的興起，高分辨率的數(shù)字化圖像代替了傳統(tǒng)玻片，為AI病理判讀系統(tǒng)的構(gòu)建打下了基礎(chǔ)。基于大量訓(xùn)練樣本，深度學(xué)習(xí)技術(shù)的應(yīng)用使計(jì)算機(jī)可以從組織病理圖像中挖掘圖像特征，從大量圖像中快速鎖定病變部位并作出判讀[12]。

2 AI輔助骨科疾病治療

20世紀(jì)九十年代，人類(lèi)首次使用計(jì)算機(jī)輔助骨科手術(shù)(computer aided orthopaedic surgery，CAOS)[13]。計(jì)算機(jī)輔助系統(tǒng)可以清晰顯示解剖結(jié)構(gòu)，設(shè)計(jì)手術(shù)路徑，輔助骨科醫(yī)生進(jìn)行精確的術(shù)前術(shù)后定位，在術(shù)中實(shí)時(shí)監(jiān)測(cè)并跟蹤顯示手術(shù)器械、植入物、病灶及其周?chē)M織的相關(guān)位置[14]。Medtech公司開(kāi)發(fā)的新型手術(shù)輔助系統(tǒng)ROSA，可輔助進(jìn)行椎弓根螺釘植入手術(shù)。相比于傳統(tǒng)手工植入，計(jì)算機(jī)輔助能更準(zhǔn)確地定位椎弓根入口點(diǎn)并控制動(dòng)作軌跡，具有更好的手術(shù)精度[15]。在CAOS應(yīng)用過(guò)程中，可收集到大量手術(shù)相關(guān)數(shù)據(jù)。CAOS本身只對(duì)數(shù)據(jù)進(jìn)行測(cè)量，而對(duì)這些數(shù)據(jù)的分析與應(yīng)用則基于AI。大數(shù)據(jù)與深度學(xué)習(xí)為導(dǎo)航系統(tǒng)的不斷優(yōu)化和革新提供了理論依據(jù)，使計(jì)算機(jī)輔助系統(tǒng)日益達(dá)到性能穩(wěn)定和功能完善。

Moravec等[16]研究表明，與人們傳統(tǒng)的認(rèn)知相反，復(fù)雜的邏輯推理需要相對(duì)較少的計(jì)算資源，而看似簡(jiǎn)單的感覺(jué)運(yùn)動(dòng)技能卻需要占用巨大的計(jì)算資源。如今，依托于不斷革新的計(jì)算機(jī)性能與技術(shù)，手術(shù)機(jī)器人發(fā)展迅速，日益受到研發(fā)人員和臨床醫(yī)生的關(guān)注和重視。手術(shù)機(jī)器人分為三類(lèi)：被動(dòng)機(jī)器人、半自動(dòng)機(jī)器人和全自動(dòng)機(jī)器人。被動(dòng)機(jī)器人完全依賴術(shù)者的控制和操作；全自動(dòng)機(jī)器人則可自行完成手術(shù)過(guò)程，完全不需要術(shù)者的操作、限制與干預(yù)；半自動(dòng)機(jī)器人介于二者之間[17]。目前，我們離真正的全自動(dòng)機(jī)器人手術(shù)時(shí)代還有一定距離。受到各界關(guān)注的“達(dá)芬奇機(jī)器人”等外科機(jī)器人，本質(zhì)上是先進(jìn)的腹腔鏡設(shè)備或“遠(yuǎn)程操縱器”，其自動(dòng)性與智能性是有十分有限的[18]。隨著計(jì)算機(jī)、導(dǎo)航技術(shù)和機(jī)器人技術(shù)的不斷革新和發(fā)展，計(jì)算機(jī)輔助骨科手術(shù)逐漸廣泛應(yīng)用，而手術(shù)機(jī)器人的智能化、全自動(dòng)化則是未來(lái)技術(shù)發(fā)展的大趨勢(shì)。真正的全自動(dòng)機(jī)器人依賴于AI技術(shù)，使機(jī)器能夠自主識(shí)別、處理、預(yù)測(cè)并最終執(zhí)行手術(shù)各步操作。骨科手術(shù)機(jī)器人系統(tǒng)通常由多套設(shè)備組成，其工作步驟包括圖像與光學(xué)數(shù)據(jù)采集、空間配準(zhǔn)與圖像融合、手術(shù)規(guī)劃、機(jī)械定位等，主要應(yīng)用于微創(chuàng)手術(shù)、翻修手術(shù)和胸腰椎畸形矯正手術(shù)[19]。由于機(jī)器人輔助手術(shù)缺乏反饋且操作時(shí)間增加，其應(yīng)用受到限制。目前興起的動(dòng)力手術(shù)機(jī)器人是通過(guò)研究力量縮放對(duì)機(jī)器人執(zhí)行簡(jiǎn)單和復(fù)雜任務(wù)時(shí)施加力量的影響，特別是在需要精度的任務(wù)中，通過(guò)動(dòng)力反饋的動(dòng)態(tài)調(diào)整來(lái)提高手術(shù)效果，從而實(shí)現(xiàn)手術(shù)自動(dòng)化水平的提高。動(dòng)力手術(shù)機(jī)器人的發(fā)展或?qū)⑹构强剖中g(shù)進(jìn)入一個(gè)新階段[20]。

計(jì)算機(jī)輔助導(dǎo)航作為膝髖關(guān)節(jié)置換術(shù)(total knee arthroplasty，TKA)的輔助手段被引入已近20余年[21,22]。計(jì)算機(jī)輔助導(dǎo)航作為T(mén)KA手術(shù)輔助手段可以改善TKA假體的定位和對(duì)準(zhǔn)。Figueroa等[23]對(duì)OMNIbotics系統(tǒng)下iBlock和 NanoBlock機(jī)器人導(dǎo)航系統(tǒng)在手術(shù)中對(duì)股骨和脛骨的切割數(shù)據(jù)進(jìn)行測(cè)量并記錄。然后將測(cè)量結(jié)果與每個(gè)病例的術(shù)后CT掃描結(jié)果進(jìn)行對(duì)比，發(fā)現(xiàn)機(jī)器人導(dǎo)航系統(tǒng)對(duì)股骨冠狀線、股矢狀線、股骨旋轉(zhuǎn)對(duì)線和脛骨冠狀線的最終植入定位具有較高的精度。機(jī)器人輔助手術(shù)導(dǎo)航系統(tǒng)(robotic assisted operation navigation system，RAOS)已廣泛應(yīng)用于骨科手術(shù)，而機(jī)器人輔助骨折復(fù)位(robot assisted fracture reduction，RAFR)還在起步階段。RAFR研究意義在于它可以克服骨折的隱蔽性和復(fù)雜性；對(duì)骨折復(fù)位精度較高，術(shù)后功能較好[24]。目前機(jī)器人輔助骨盆骨折的研究是RAFR的研究重點(diǎn)，但仍處于初級(jí)階段[25]。隨著AI的迅速發(fā)展和基于大數(shù)據(jù)的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)在醫(yī)學(xué)圖像自動(dòng)處理中的應(yīng)用，有望實(shí)現(xiàn)RAFR的術(shù)前自動(dòng)規(guī)劃、導(dǎo)航和執(zhí)行。此外，隨著第五代電信技術(shù)時(shí)代的到來(lái)，先進(jìn)的機(jī)器人技術(shù)，結(jié)合AI和遠(yuǎn)程手術(shù)，將以更高效、更安全的方式應(yīng)用于RAFR，并融入到日常醫(yī)療實(shí)踐中[26]。

依托AI技術(shù)，CAOS及骨科手術(shù)機(jī)器人不斷完善與發(fā)展，勢(shì)必使手術(shù)的定位精確性和安全性日益提高。同時(shí)，對(duì)于臨床骨科醫(yī)生，工作中的累積輻射暴露具有不可忽視的危險(xiǎn)性，手術(shù)的智能化與自動(dòng)化將使術(shù)者免于輻射暴露風(fēng)險(xiǎn)[24]。

同時(shí)，基于大數(shù)據(jù)(如植入物的排列與位置、術(shù)后功能恢復(fù)情況、患者滿意度、耐久度等指標(biāo))的AI分析系統(tǒng)可以繪制更清晰的指導(dǎo)路徑、提供診療建議，幫助骨科醫(yī)生為特定患者設(shè)計(jì)更適合、更準(zhǔn)確的個(gè)體治療計(jì)劃[27]。在因終末期骨關(guān)節(jié)炎接受全髖關(guān)節(jié)或膝關(guān)節(jié)置換術(shù)的患者中，有一部分患者恢復(fù)較慢，疼痛緩解較少，或關(guān)節(jié)活動(dòng)度較差。早期識(shí)別這些患者可進(jìn)行有針對(duì)性的干預(yù)，而一般方法早期預(yù)測(cè)不良預(yù)后的風(fēng)險(xiǎn)很困難。Bini等[6]利用可穿戴傳感器對(duì)22例患者術(shù)前4周到術(shù)后6周的35個(gè)特征指標(biāo)進(jìn)行了追蹤，利用大數(shù)據(jù)分析與深度學(xué)習(xí)技術(shù)對(duì)患者的預(yù)后進(jìn)行判斷并驗(yàn)證，結(jié)果證實(shí)最早在術(shù)后11天即可通過(guò)此系統(tǒng)對(duì)預(yù)后情況作出較為準(zhǔn)確的判斷。

3 總結(jié)與展望

計(jì)算機(jī)在我國(guó)的基本普及為AI診療系統(tǒng)的開(kāi)發(fā)與應(yīng)用打下了基礎(chǔ)。推廣AI診療系統(tǒng)，將減小因技術(shù)能力差異造成的診療水平差距。目前，我國(guó)醫(yī)療發(fā)展存在較大的地區(qū)差異性，地域上醫(yī)療資源配置不均衡，且存在利用不充分的情況[28]。AI診療系統(tǒng)使最為寶貴的醫(yī)療人力資源從枯燥繁瑣的機(jī)械性勞動(dòng)中解放出來(lái)，將更多的精力有效地集中于研究性和創(chuàng)新性的工作。精準(zhǔn)醫(yī)療是醫(yī)學(xué)發(fā)展的趨勢(shì)之一，旨在更重視患者個(gè)體差異、將患者分為更小更精確的亞組?，F(xiàn)階段，這個(gè)分類(lèi)過(guò)程在很大程度上依賴于對(duì)臨床資料的人為主觀定性解釋。AI技術(shù)有望改變這一現(xiàn)狀，開(kāi)發(fā)具有客觀性和精確性的臨床定性分析工具[29]，進(jìn)而促成個(gè)性化醫(yī)療，最終使患者獲益。現(xiàn)代生物醫(yī)學(xué)研究將生物學(xué)引入大數(shù)據(jù)時(shí)代，從而引發(fā)組學(xué)革命，這給精準(zhǔn)醫(yī)療提供了大量分子背景[30]。DL算法具有對(duì)生物醫(yī)學(xué)和組學(xué)數(shù)據(jù)集創(chuàng)建預(yù)測(cè)模型，并從大型數(shù)據(jù)集中識(shí)別復(fù)雜模式并特征性提取的潛力。未來(lái)，通過(guò)DL算法將常規(guī)治療轉(zhuǎn)向個(gè)體化的靶向治療，或建立基于疾病易感性估計(jì)的預(yù)防醫(yī)學(xué)策略算法，投入應(yīng)用后將大大驅(qū)動(dòng)精準(zhǔn)醫(yī)療的發(fā)展。在手術(shù)操作上，AI將賦予骨科手術(shù)機(jī)器人真正的自主性與智能性，使手術(shù)突破人力操作的極限，更加精細(xì)與精準(zhǔn)，減輕手術(shù)醫(yī)生的工作強(qiáng)度。

然而，AI在骨科領(lǐng)域的發(fā)展與應(yīng)用也面臨著挑戰(zhàn)。首先，骨科和AI都是具有極強(qiáng)專業(yè)性的學(xué)科，其交融需要跨學(xué)科通力合作。為了更好的實(shí)際應(yīng)用，其開(kāi)發(fā)團(tuán)隊(duì)勢(shì)必非常龐大，需要骨科臨床醫(yī)生、骨科科研人員、計(jì)算機(jī)工程師、統(tǒng)計(jì)學(xué)工程師乃至機(jī)械工程師的共同參與。其二，由于骨科AI基于臨床大數(shù)據(jù)，收集、存儲(chǔ)并分析這些海量的數(shù)據(jù)需要強(qiáng)大的服務(wù)器和超級(jí)計(jì)算機(jī)的支持，前期投入較大。其三，AI診療系統(tǒng)須做好數(shù)據(jù)的可視化，不應(yīng)具有過(guò)高的使用門(mén)檻，易用性和直觀性是其推廣使用的前提。其四，醫(yī)學(xué)數(shù)據(jù)具有隱私性、多樣性、不完整性以及復(fù)雜性等特點(diǎn)。在收集海量數(shù)據(jù)并建庫(kù)的過(guò)程中，面對(duì)各種非結(jié)構(gòu)化的、異質(zhì)的及格式不統(tǒng)一的數(shù)據(jù)，如何組織成可用的機(jī)器學(xué)習(xí)數(shù)據(jù)、創(chuàng)建高質(zhì)量數(shù)據(jù)集，對(duì)算法的編寫(xiě)者提出了挑戰(zhàn)。與其他新技術(shù)類(lèi)似，學(xué)習(xí)、開(kāi)發(fā)與使用AI的成本在初期階段很高，并會(huì)隨著時(shí)間的推移而降低。但是，許多醫(yī)療中心將無(wú)法負(fù)擔(dān)在其實(shí)踐中引入這些工具的初始資源的投資[31]。另外，還需要大量接受過(guò)這種新醫(yī)學(xué)方法培訓(xùn)的醫(yī)療專業(yè)人員，需要多學(xué)科的專業(yè)知識(shí)，更重要的是，需要患者及其家屬的支持以及監(jiān)管機(jī)構(gòu)的合作[32]。因此，基層醫(yī)院將AI廣泛應(yīng)用于衛(wèi)生保健面臨挑戰(zhàn)，現(xiàn)階段更傾向于提高影像、病理、檢驗(yàn)等輔助科室的診療水平。而在省會(huì)城市大型教學(xué)醫(yī)院，AI的應(yīng)用將集中在更具挑戰(zhàn)性的診斷和治療項(xiàng)目。AI引入常規(guī)臨床實(shí)踐是一項(xiàng)復(fù)雜而龐大的工作。在將AI整合到臨床工作流程之前，需要制定用于培訓(xùn)和測(cè)試AI的統(tǒng)一參考標(biāo)準(zhǔn)，并嚴(yán)格按照法律法規(guī)規(guī)范其使用。