菅振, 吕涛, 敖荣广, 等. 人工智能在创伤骨科中的应用[J]. 生物骨科材料与临床研究, 2023, 20(2): 76-80.

蓬勃发展的信息时代推动了人工智能的应用，同样促使其在创伤骨科临床转化的发展，许多学者尝试建立基于人类智能和传统医学模式基础上的机器智能工作路径^[7-8]。创伤骨科涉及患者急救、诊断、治疗及康复等方方面面，临床工作中面临的往往是复杂的合并伤、临床表现、预后结局，实际上也是考验医师对数据的处理能力，包括对患者伤情数据的计算与归纳，相关指南、专家共识及文献报道数据的理解与融合，并在伤情与预后之间建立严谨融洽的逻辑关系。然而，目前仍然依赖医师经验进行较为简单的疾病分类、伤情分选、治疗选择、预后判定。引入人工智能，将更多的判断、分析工作交给计算机，而临床医生根据人工智能预测结果实施合理精准的医疗行为。

目前，人工智能主要可以在以下4个领域促进创伤骨科患者救治，表1给出了通过人工智能增强的创伤骨科临床路径的示例，类似的方法同样可以应用于骨科各亚专业：①诊断，根据数据（症状、体征和检验检查结果）推断；②处理，诊疗及康复的开展、监测以实现理想预后；③教育与研究，更好地了解疾病，优化或开发治疗方法；④系统分析，确保医疗资源有效分配。

2.1 人工智能在创伤骨科诊断中的应用

诊断方面，以深度学习为代表的AI算法擅长定量化获取和处理复杂图像信息，最初临床应用也主要集中在图像识别的诊断上，如通过视网膜眼底照片检测糖尿病患者的视网膜病变、检测乳房X线片中的病变和识别皮肤癌等^[9-11]。在骨科领域，AI最适合并率先应用到基于DICOM协议及PACS系统的标准数字化的医学影像大数据中^[12]。在骨龄预测和一些部位的骨折诊断中非常有优势，其技术也趋于成熟，进入临床广泛应用阶段可能性也较大。例如，有研究报道人工智能可能会改善对腕部或髋部可疑骨折的真实诊断，识别可能影响预后和治疗的关键骨折特征，发现隐匿性骨折。通常情况下，临床医师过于依赖经验或者面对复杂创伤，会在创伤急救后专科评估中忽略这些骨折的细节，造成漏诊的发生。Urakawa等^[13]报道，经过训练的人工智能通过X线识别髋部骨折的准确性优于受试的5名骨科医师（96% [95%CI，93-98] VS 92% [95% CI，89-95]；P＜0.001)。在肱骨近端骨折诊断时，Chung等^[14]报道人工智能的准确性与肩关节创伤专家无明显统计学差异，且优于普通医生组（96%[95%CI，94-97]，93%[95%CI，87-99] VS 85%[95%CI，80-90]；P＜0.001)。此外，该研究报道人工智能对于骨折Neer分型的准确性也更高。与具有10年以上经验的放射专科医师相比，人工智能诊断脊柱压缩性骨折的敏感性更高，达95.7%；此外，在预测高度丢失和骨折预后与实际的一致性方面分别达到68%和95%，均优于放射医师^[15]。

2.2 人工智能在创伤骨科疾病处理中的应用

在疾病处理方面，诸如高级创伤生命支持等协议的医疗指南，旨在确保创伤医生根据最佳证据为患者选择治疗方案，但实践中的可变性仍然存在。例如，对于肱骨近端骨折的患者在英国接受骨科医生建议进行肩关节置换术的机会比在德国低6倍^[16]；每年进行少于100台手术的创伤中心进行手术，手术花费可能更多，并且出现并发症的可能性增加^[17]。2013年4月，美国国家健康与救治研究院（National Institute for Health and Care Excellence）发布了有关使用水泥填充治疗椎体压缩性骨折的指南，在短短1个月内还出现了较多与指南建议相左的随机对照数据^[18]。这种诊疗的不统一反映了这样的事实，即医学正在以指数级的速度发展，并且变得越来越复杂，目前所拥有的设备、技能已无法适应信息的数量以及变化的步伐。人工智能能够纳入从术前基础数据（甚至可能是非医学的信息）到术后康复数据的不同类型的信息组合。与传统临床诊疗相比，人工智能突破当前处理数据的界限，预测临床结局时有可能涵盖更广泛的问题，从而为手术方案提供更有价值的信息。一项随机临床试验中，人工智能通过分析患者病史、偏好及预期，辅助临床决策，显著提高了骨关节炎患者的治疗满意度^[19]。相信在可预见的将来，创伤骨科医生也可以使用人工智能作为辅助工具，根据患者的年龄、性别、职业等人口统计信息数据，为患者选择合适方案。

此外，人工智能辅助导航手术机器人治疗骨折目前仍在实验摸索阶段。导航机器人的原理是以医学影像为基础，借助计算机处理后的图像供医生制定手术方案，最终通过机械臂完成可视化引导手术。取得突破进展的手术机器人已广泛应用于脊柱外科^[20]。机器人辅助椎弓根螺钉置入术准确率高达92.8% ～ 97.9%^[21-22]。一些导航机器人也尝试应用于引导其他骨折部位空心螺钉的植入。Liu等^[23]报道24例骨科手术机器人辅助下经皮通道螺钉治疗不稳定骨盆骨折患者空心螺，与传统手术组相比，机器人组的手术时间、透视频率、术中出血量、钻孔总数明显减少（P＜0.05）。Hamelinck等^[24]报道导航机器人辅助下行螺钉固定治疗股骨颈骨折，可以准确定位植入角度，有利于简化手术操作过程、缩短手术时间、降低出血量。未来人工智能的参与将赋予导航机器人模仿顶尖专家思维的能力，通过大数据的深度学习，可视化展现手术方案及具体步骤，术中图像识别的算法将更加智能，实时追踪器械位置，使内固定操作精准度更高。在骨折复位方面，Dagnino等^[25]报道基于骨折复位导航系统可对下肢关节内骨折进行模拟复位，实验结果证实骨折复位精度为1.5°及1 mm，能满足股骨远端骨折复位的临床要求，实现精准复位，但该系统仍处于试验阶段，且依赖医师对复位路径的设计。人工智能将更好感知患者病情及环境，具有分析判断能力，对于解剖关系及力线恢复有更好的掌控能力。

除了参与治疗过程，围手术期的管理也将是人工智能应用的重要场景。Kendale等^[26]通过对13 323例全麻患者的数据分析后指出，具备机器－机器数据传输接口的人工智能管理系统，可以为麻醉患者提供支持，尤其是识别多发伤患者术中低血压的高危因素。Kim等^[27]报道将22 629例手术患者数据纳入研究，使用的70%的数据集训练人工智能神经网络模型，然后使用剩余30%的数据集评估了该模型的准确性。研究发现，在预测诸如静脉血栓栓塞和伤口并发症等不良事件时，人工智能比美国麻醉医师学会风险评估量表更为可靠。康复锻炼也是创伤骨科患者恢复功能的重要环节，特别是合并慢性疾病的老年骨折患者，但目前医疗资源极其有限，较多患者未能接受规范的康复指导。目前用于糖尿病、高血压等患者自我慢性病管理的智能系统已有较多应用^[28]，对于骨折患者术后康复同样具有高效的价值，人工智能够通过建立术后康复模型，学习数据库中随访资料相关数据，实现根据患者情况个性化制定术后康复方案、随访计划、抗骨质疏松及各类慢性疾病的治疗、健康宣教等，建立科学有效的康复机制，提高管理效率及临床疗效。

2.3 人工智能在创伤骨科教育与研究中的应用

骨科数字教育的高效性已得到认证^[29]。一线创伤骨科医师往往是年轻医师，需要面临复杂的创伤处理环境，想要在较短的时间内积累丰富的临床经验往往是困难的。人工智能能够根据用户的习惯和喜好为医生提供基于AI的个性化数字学习内容，模拟实际临床场景，这已经在其他教学领域得到推广^[30]。同时，在临床培训网络中由AI支持的分析可以识别并指出改进的潜力，受训人员可以更好地记录知识和技能的增长。这将极大地缩短创伤骨科医师的成长周期，也有助于优化临床团队的技能组合与建设。尽管如此，在大多数医学院校，由于人工智能超出了课程的范围，许多医生都没有意识到人工智能的潜力和带来的挑战。人工智能同样被用于开展医学学术研究，已应用在放射学、肿瘤学和基础医学等领域^[31-33]，在帮助医生识别迄今未知的肿瘤亚型、加快药物设计等方面有所发展。随着这些领域的深入拓展，研究方式不断成熟，人工智能同样将应用于在骨折分型建立，骨质疏松等影响骨折预后疾病的基础研究、药物开发等，在创伤骨科科研领域发挥积极作用。

此外，人工智能在医疗数据系统分析、优化卫生资源方面目前进展甚微^[34]。这反映出该技术的新颖性，公共卫生机构和组织尚缺乏人工智能分析所需要的充足且准确的数据和资源。但是随着我国骨折单病种付费制的推进，有必要精准、高效预测医疗机构创伤救治能力、骨折患者治疗费用、住院天数等卫生经济学指标，优化医疗资源的配置，人工智能这一应用场景的意义无疑重大而深远。

人工智能医疗解决方案依赖于社会各阶层的庞大数据集，但创伤骨科患者尚缺乏权威而完善的数据库，存在随访不足的缺憾，不少患者在摄片提示骨折愈合后不再按时复诊。收集过程需要权衡数据的全面性与患者隐私权及选择权的保护之间的矛盾^[35]。同时需要明确掌控这些数据的主体，并制定严谨的规范，保证健康数据作为一种公共资源，使所有人均可平等享有其带来的收益。同时，需要政府、医疗机构及信息服务商等相关部门的支持和监管，以确保获得高质量的数据来训练算法。而算法是否可靠与用于训练的数据准确性息息相关，因此有发生偏倚的风险。例如，在训练骨折诊断的算法时，结果的真实标签（truth lables）可由经验丰富的放射科医师确定，也可能由对患者病史的系统性回顾得出，也有可能依赖更加精细的影像学检查（CT、核磁等），所有的参考标准均有可能受到人为因素的影响，亟待建立更加客观的标准（术中验证、病理检查等）^[36]。需要确保医疗中使用的算法无类似的缺陷，包括在种族、性别、肥胖或其他社会经济因素方面可能存在的隐性偏见。

为确保数据集能够反映创伤骨科的独特性，发掘适合人工智能的数据集的关键是创伤骨科医师的深度参与，保证人工智能的正确方向。而使用的早期阶段，人工智能应受到医生的监督，避免算法推荐特定的转诊或内固定。人工智能应作为一种辅助工具，以类似于崭新的骨科内植物或影像检查的方式帮助创伤骨科医师为患者提供精准、个性化的诊疗服务。

综上，人工智能为创伤骨科提供了一种可靠的手段，利用已有临床大数据来管理和优化患者的救治过程，建立数字闭环救治系统，即从自我救助、围手术期到长期随访，实现高质量临床疗效的目标。同时，机器学习将增强创伤骨科医生在特定领域的工作能力，在临床团队中实现更优化的技能组合。当前，人工智能目前主要仍是实验性的，以人工智能为动力的机器取代临床医生的想法听起来仍不可思议。但不久的未来，随着数据库的完善实现大数据的可靠与稳定，通过医师与工程师共同参与制定合理算法，人工智能必将成为创伤骨科医生有力的辅助工具。