李 成, 肖念蘇(綜述), 胡 巍(審校)

人工智能(artificial intelligence,AI)的現(xiàn)代定義是“算法的應用,為機器提供解決傳統(tǒng)上需要人類智能的問題的能力”[1]。AI自動化已經在其他許多行業(yè)中得到了利用,如市場營銷、銀行、媒體和制造業(yè)[2]。同時,AI對醫(yī)療保健也產生了巨大影響,其中AI已經應用于指導腫瘤治療,如通過照片診斷糖尿病視網膜病變,早期檢測腦卒中以及在其他許多方面中的應用。在骨科中,AI也體現(xiàn)了強大的作用,包括放射學[3]、創(chuàng)傷[4-6]、運動醫(yī)學[7]和關節(jié)置換術[8]等。AI在脊柱外科的研究中顯示出良好的應用前景,大量研究已使用AI技術自動測量Cobb角,從雙平面X線片中創(chuàng)建青少年特發(fā)性脊柱側彎的三維模型,自動篩選青少年特發(fā)性脊柱側彎[9]、脊柱側凸畸形分類[10]、全自動脊柱參數(shù)分析[11]等應用。脊柱矯形手術是脊柱畸形終末期的治療方式,目的是挽救患者生命、提高生活質量,但脊柱矯形手術的創(chuàng)傷大、風險高、并發(fā)癥多,而且行脊柱矯形手術的患者中包括很多青少年,如治療不當,可能會造成嚴重后果。AI可以根據(jù)患者情況選擇治療方案以減少手術并發(fā)癥和改善手術結果,也可以分析特定手術患者的相關風險因素以預測并發(fā)癥和結果,還可以設計更智能的置入物。利用AI輔助脊柱矯形手術可以取得較為滿意的結果,本文就AI在脊柱矯形手術中的應用及研究進展進行綜述。

1 AI在脊柱矯形手術中預測的應用

AI的核心是尋求在計算機中復制AI或自然智能的經驗。雖然廣義和自動化智能的目標目前超出了技術范疇,但現(xiàn)在仍可以使用AI的開發(fā)系統(tǒng)從巨大的數(shù)據(jù)集中重建人類智能、做出決策、提供建議、適應新的數(shù)據(jù)環(huán)境。機器學習是AI的一個分支,它利用計算機算法從數(shù)據(jù)和先前的經驗中學習來構建智能模型。機器學習算法允許計算機在沒有用戶定義或預先確定的規(guī)則的情況下提取數(shù)據(jù)集中固有的模式,從數(shù)據(jù)中學習關系,然后做出特定的預測或決定[12]。脊柱外科為利用AI和機器學習的計算能力提供了一個獨特的領域[13]。在過去的幾十年里,人們對脊柱疾病的認知極大提升。除了臨床表現(xiàn)的差異性外,脊柱疾病還涉及各種不同的病因,包括腫瘤、創(chuàng)傷、退行性疾病和脊柱畸形等。隨著脊柱矯形技術完善和廣泛實施,脊柱外科醫(yī)師對脊柱畸形及畸形矯正手術的認識較為充分。成人脊柱畸形(adult spinal deformity,ASD)是脊柱手術中一個獨特的領域,它可以很好地利用機器學習和發(fā)揮AI的巨大潛力。AI識別新見解及幫助臨床醫(yī)師確定不同的手術方案或預后因素。它通過分析患者的獨立資料,可以更好地預測患者術后結果,也可以幫助臨床醫(yī)師根據(jù)患者個體的需求和目標定制治療計劃。ASD患者不同的癥狀,可能會出現(xiàn)不同程度的疼痛或殘疾,畸形的程度與癥狀的嚴重程度相關[14]。側凸矯形手術可以顯著改善患者的生活質量,但個體對手術的耐受反應仍存在一個不可預測性的組成部分[15]。此外,矯形手術通常具有侵入性,有時需要截骨以達到理想的矯正,發(fā)生主要并發(fā)癥的風險性相對較高[16-17]。綜合ASD臨床表現(xiàn)的差異性和脊柱外科醫(yī)師提供的大量手術技術數(shù)據(jù),AI提供的治療算法可能相對復雜,有較多可能性。由于脊柱側彎矯形手術的并發(fā)癥多、創(chuàng)傷性大,ASD手術可以受益于AI預測模型,專門針對患者的個人健康情況,為其提供額外的幫助和風險分層。AI通過學習歷史數(shù)據(jù)后,可供臨床醫(yī)師使用預測模型結合患者的具體情況進行前瞻性的部署。患者在共享信息過程中,可根據(jù)自己的目標和需求定制治療計劃。大多數(shù)ASD的預測分析都與術后預后的評估有關,一些早期的研究探索了手術期預測預后模型的可行性。Durand等[18]在超過1 000例ASD患者隊列中使用“決策樹”和“隨機森林模型”預測術中和術后輸血需求,曲線下面積(area under the curve,AUC)分別為0.79和0.85。預測輸血需求的影響變量包括手術時間、手術難度、紅細胞壓積、患者體重及年齡。Safaee等[19]在653例患者中使用了廣義線性回歸模型,能夠在2 d內估算ASD患者的住院時間,準確率為75.4%,主要預測因子是分期手術、術前C7矢狀縱軸和融合水平的數(shù)量。Scheer等[20]利用“決策樹”和引導方法預測術后6周的主要并發(fā)癥(AUC為0.89),能夠預測早期并發(fā)癥風險或ASD患者的住院時間,可以幫助制定出院計劃和工作流程,甚至能夠在術前階段識別手術高風險的患者?；谙惹安渴痤A測模型的成功,Scheer等[21]又在510例ASD患者中使用基于機器學習的模型來預測近端交界區(qū)內固定失敗和近端交界性后凸(proximal junctional kyphosis,PJK)的比率。研究使用類似的“決策樹”和自舉方法,最終模型達到了86%的準確率(AUC為0.89),并證明了最高的預測因素是年齡、下固定椎和術前C7矢狀縱軸。Passias等[22]用一種更獨特的方法預測胸腰椎ASD手術后的頸椎排列異常,并開發(fā)了一個AUC為0.89的模型,顯示基線C2-T3Cobb角,Smith-Peterson截骨術數(shù)量的增加可以高度預測頸椎代償差。Pellisé等[23]在研究中建立了來自1 612例ASD患者的超過100個輸入特征的“隨機森林模型”,以評估發(fā)生主要并發(fā)癥、再手術及再入院3種主要結局的風險(AUC為0.67～0.92)。這項研究的新穎之處在于,它為每個結局開發(fā)了2個預測模型:一個模型只包含術前變量,另一個模型包含圍手術期信息。脊柱外科醫(yī)師已經在預測分析方面取得了進展,但仍無法發(fā)揮機器學習和AI技術的巨大力量,以及AI如何被廣泛使用,以增強治療和護理脊柱畸形患者的能力。隨著對生物標志物認識的增加,獲得更多額外的信息,包括對人的生物識別和生物物理健康概況的各個方面的使用,AI對ASD的幫助更大。

2 AI在脊柱矯形手術中術前規(guī)劃的應用

脊柱矯形手術的手術難度大,手術的成功率顯得尤為重要。AI集成各種技術可以極大地提高外科手術的安全性、一致性、可靠性及有效性。術前深入規(guī)劃手術入路和干預措施是微創(chuàng)技術和高難度手術的重要基礎。20世紀90年代中期,神經外科引入了術前三維規(guī)劃,使得到達手術目標的通路更短。在虛擬環(huán)境中對成像數(shù)據(jù)的三維重建能夠加快對患者個體解剖結構的理解,以及幫助年輕外科醫(yī)師進行解剖學學習。目前,國外較流行的脊柱側凸術前規(guī)劃軟件——Surgimap軟件,導入患者的影像學數(shù)據(jù)后可以輔助測量Cobb角等影像學參數(shù),還可以自動識別椎體節(jié)段,無須手動標定,極大地幫助醫(yī)師提高閱片效率。后路長節(jié)段內固定融合手術是脊柱畸形的有效治療方法,目的是通過釘棒的彎曲和椎體的旋轉移位來重建冠狀面和矢狀面排列,以保持脊柱的穩(wěn)定性。但是融合可能會增加頭端節(jié)段椎體的應力,并最終加速鄰近椎間盤的退變。Kosterhon等[24]構建規(guī)劃程序以優(yōu)化近端連接角(proximal joint angle,PJA),防止每個脊柱側彎患者術后PJK,整合了生物力學和機器學習來支持手術決策。對于新個體,基于學習模型可以同時預測PJK和最優(yōu)PJA的風險。在一些側凸患者中,需要截骨矯形,確定截骨的范圍和大小是矯形手術的難點。Hetherington等[25]設計了一套脊柱水平識別(spine level identification,SLIDE)系統(tǒng),能較好地對脊柱進行掃描與重建,為術式的選擇、截骨的范圍等提供了可循的證據(jù)。

3 AI在脊柱矯形手術中的應用

脊柱手術在過去的幾十年里有許多技術創(chuàng)新,如手術技術、置入物、生物制劑、計算機輔助導航及手術機器人等方面都取得了進步。脊柱側彎矯形手術在脊柱外科手術中難度較大。側彎手術創(chuàng)傷大、手術時間久、術后并發(fā)癥也較多。由于脊柱毗鄰許多重要的血管和神經,在矯形手術中不僅要求醫(yī)師有良好的螺釘置入能力,而且還要考慮脊柱整體的生物力學功能。隨著實時圖像引導和導航能力的提升,處理患者相關數(shù)據(jù)和重建成交互式三維脊柱“地圖”的計算能力增強,外科手術機器人技術的應用得到了推廣。外科手術機器人和導航在改善現(xiàn)代脊柱手術方面具有巨大的潛力,一些研究在應用外科手術機器人和導航來提高椎弓根螺釘準確性方面取得了成功[26]。鑒于這些特點,脊柱矯形手術中使用術中導航和機器人輔助系統(tǒng)較為理想。

3.1機器人輔助系統(tǒng) 脊柱矯形手術中機器人主要是在螺釘置入的過程中使用,螺釘?shù)陌踩萌胧浅C形手術成功的前提。機器人可以配準跟蹤術者手部動作,消除不自覺震顫,也可以輔助手術程序中的精細化操作,減少操作不當或失誤帶來的醫(yī)源性損傷[27]。脊柱側凸往往是三維,而且凹槽椎弓根往往較凸側更細,在胸椎椎管容積較小的前提下,行凹側置釘時容錯率更低,在機器人的輔助下行螺釘置入則更加精準,安全性較高。機器人輔助手術已被其他外科亞專科使用多年。這些機器人有各種各樣的設計,有不同程度的“輔助”,可以分為三大類:(1)監(jiān)控系統(tǒng),機器被編程與預定的動作,由機器人自主監(jiān)督;(2)遠程手術系統(tǒng),如達芬奇機器人,讓外科醫(yī)師從遠程指揮站完全控制機器的運動;(3)共享控制模型,一種共同自主的形式,允許外科醫(yī)師和機器人同時控制運動[28]。目前關于機器人輔助脊柱手術設備研究較多,有研究利用了機器人輔助技術的準確性,在機器人的輔助下操作與術前模板相比,實際置入物位置的平均偏差為1 mm或更少[29]。Roser等[30]發(fā)現(xiàn)使用脊柱輔助機器人的腰骶椎弓根內固定的準確率為99%,而使用透視引導的準確率為98%。Kantelhardt等[31]同樣報道了使用脊柱輔助機器人和常規(guī)透視的準確率分別為95%和92%。在現(xiàn)有的外科手術機器人的新應用中,Medtech設計的ROSA機器人增加了一個機械臂,機械臂與患者的移動是一致的,攝像機實時跟蹤監(jiān)測,經皮放置幾個跟蹤針,以參考附著在機器人上的跟蹤球。在ROSA機器人應用脊柱手術中,Lonjon等[32]在初步研究中報道了椎弓根螺釘內固定的準確率為97.3%,而徒手打釘?shù)臏蚀_率為92.0%,結果仍需要更多的數(shù)據(jù)來驗證。達芬奇機器人在2000年被美國食品藥品監(jiān)督管理局(Food and Drug Administration,FDA)批準用于普通腹腔鏡手術,可縮短住院時間,恢復更快,術后疼痛減少和切口更小[33]。但達芬奇機器人并沒有被FDA批準用于實際的脊柱內固定,需要更多的探索來驗證其使用。

3.2三維成像和術中導航 基于CT的3D導航在脊柱手術中的應用已經被廣泛研究,并進行了多個臨床試驗。大多數(shù)研究評估了利用該技術置入椎弓根螺釘?shù)臏蚀_性和安全性。即使有大量文獻證明了導航下椎弓根螺釘置入的安全性和可靠性,但仍然有不少文獻結論不確定。這可能與徒手椎弓根螺釘內固定的成功率和安全性有關,也與不同計算機輔助導航平臺的技術限制有關,這可能會使結果的差異性顯著增加。為此,想要運用計算機輔助導航技術的醫(yī)療機構不僅要求相關設施的配備齊全,還要求醫(yī)師和手術室醫(yī)務人員掌握對系統(tǒng)的操作。脊柱手術機器人通過適當?shù)臋C械臂定位來規(guī)劃螺釘軌跡的能力是基于利用脊柱成像數(shù)據(jù)的計算機輔助導航。影像學數(shù)據(jù)的采集既可以通過術前透視記錄的CT,也可以通過術中CT實現(xiàn)。目前可用的術中3D脊柱成像設備均可提供足夠的成像數(shù)據(jù),且與其他設備交叉兼容[34]。因此,即使制造商不同、數(shù)據(jù)傳輸和成像配準系統(tǒng)不完全配對,但利用AI的術中三維成像和導航技術可以使得螺釘置入更加安全。

4 結語

AI技術的發(fā)展可以更好地服務于脊柱外科醫(yī)師,現(xiàn)階段脊柱矯形手術在AI技術的幫助下,不僅使螺釘置入的安全性大大提高,而且可以縮短脊柱外科醫(yī)師暴露射線的時間。AI技術的總體目標是提高外科醫(yī)師的能力,以提供一致、可預測和安全的手術,從而產生可靠和最佳的手術結果。AI技術包括一系列廣泛的工具,關鍵組件包括手術計劃軟件、先進的計算機輔助導航、術中三維成像和機器人設備。隨著技術不斷進步,計算機科學工具將為臨床醫(yī)師提供新的見解和數(shù)據(jù),通過機器學習和AI應用于臨床實踐獲得的信息可與患者共享,使更多患者受益。