人工智能在脊柱矫形手术中的应用及研究进展

李 成, 肖念苏(综述), 胡 巍(审校)

人工智能(artificial intelligence,AI)的现代定义是“算法的应用,为机器提供解决传统上需要人类智能的问题的能力”[1]。AI自动化已经在其他许多行业中得到了利用,如市场营销、银行、媒体和制造业[2]。同时,AI对医疗保健也产生了巨大影响,其中AI已经应用于指导肿瘤治疗,如通过照片诊断糖尿病视网膜病变,早期检测脑卒中以及在其他许多方面中的应用。在骨科中,AI也体现了强大的作用,包括放射学[3]、创伤[4-6]、运动医学[7]和关节置换术[8]等。AI在脊柱外科的研究中显示出良好的应用前景,大量研究已使用AI技术自动测量Cobb角,从双平面X线片中创建青少年特发性脊柱侧弯的三维模型,自动筛选青少年特发性脊柱侧弯[9]、脊柱侧凸畸形分类[10]、全自动脊柱参数分析[11]等应用。脊柱矫形手术是脊柱畸形终末期的治疗方式,目的是挽救患者生命、提高生活质量,但脊柱矫形手术的创伤大、风险高、并发症多,而且行脊柱矫形手术的患者中包括很多青少年,如治疗不当,可能会造成严重后果。AI可以根据患者情况选择治疗方案以减少手术并发症和改善手术结果,也可以分析特定手术患者的相关风险因素以预测并发症和结果,还可以设计更智能的置入物。利用AI辅助脊柱矫形手术可以取得较为满意的结果,本文就AI在脊柱矫形手术中的应用及研究进展进行综述。

1 AI在脊柱矫形手术中预测的应用

AI的核心是寻求在计算机中复制AI或自然智能的经验。虽然广义和自动化智能的目标目前超出了技术范畴,但现在仍可以使用AI的开发系统从巨大的数据集中重建人类智能、做出决策、提供建议、适应新的数据环境。机器学习是AI的一个分支,它利用计算机算法从数据和先前的经验中学习来构建智能模型。机器学习算法允许计算机在没有用户定义或预先确定的规则的情况下提取数据集中固有的模式,从数据中学习关系,然后做出特定的预测或决定[12]。脊柱外科为利用AI和机器学习的计算能力提供了一个独特的领域[13]。在过去的几十年里,人们对脊柱疾病的认知极大提升。除了临床表现的差异性外,脊柱疾病还涉及各种不同的病因,包括肿瘤、创伤、退行性疾病和脊柱畸形等。随着脊柱矫形技术完善和广泛实施,脊柱外科医师对脊柱畸形及畸形矫正手术的认识较为充分。成人脊柱畸形(adult spinal deformity,ASD)是脊柱手术中一个独特的领域,它可以很好地利用机器学习和发挥AI的巨大潜力。AI识别新见解及帮助临床医师确定不同的手术方案或预后因素。它通过分析患者的独立资料,可以更好地预测患者术后结果,也可以帮助临床医师根据患者个体的需求和目标定制治疗计划。ASD患者不同的症状,可能会出现不同程度的疼痛或残疾,畸形的程度与症状的严重程度相关[14]。侧凸矫形手术可以显著改善患者的生活质量,但个体对手术的耐受反应仍存在一个不可预测性的组成部分[15]。此外,矫形手术通常具有侵入性,有时需要截骨以达到理想的矫正,发生主要并发症的风险性相对较高[16-17]。综合ASD临床表现的差异性和脊柱外科医师提供的大量手术技术数据,AI提供的治疗算法可能相对复杂,有较多可能性。由于脊柱侧弯矫形手术的并发症多、创伤性大,ASD手术可以受益于AI预测模型,专门针对患者的个人健康情况,为其提供额外的帮助和风险分层。AI通过学习历史数据后,可供临床医师使用预测模型结合患者的具体情况进行前瞻性的部署。患者在共享信息过程中,可根据自己的目标和需求定制治疗计划。大多数ASD的预测分析都与术后预后的评估有关,一些早期的研究探索了手术期预测预后模型的可行性。Durand等[18]在超过1 000例ASD患者队列中使用“决策树”和“随机森林模型”预测术中和术后输血需求,曲线下面积(area under the curve,AUC)分别为0.79和0.85。预测输血需求的影响变量包括手术时间、手术难度、红细胞压积、患者体重及年龄。Safaee等[19]在653例患者中使用了广义线性回归模型,能够在2 d内估算ASD患者的住院时间,准确率为75.4%,主要预测因子是分期手术、术前C7矢状纵轴和融合水平的数量。Scheer等[20]利用“决策树”和引导方法预测术后6周的主要并发症(AUC为0.89),能够预测早期并发症风险或ASD患者的住院时间,可以帮助制定出院计划和工作流程,甚至能够在术前阶段识别手术高风险的患者。基于先前部署预测模型的成功,Scheer等[21]又在510例ASD患者中使用基于机器学习的模型来预测近端交界区内固定失败和近端交界性后凸(proximal junctional kyphosis,PJK)的比率。研究使用类似的“决策树”和自举方法,最终模型达到了86%的准确率(AUC为0.89),并证明了最高的预测因素是年龄、下固定椎和术前C7矢状纵轴。Passias等[22]用一种更独特的方法预测胸腰椎ASD手术后的颈椎排列异常,并开发了一个AUC为0.89的模型,显示基线C2-T3Cobb角,Smith-Peterson截骨术数量的增加可以高度预测颈椎代偿差。Pellisé等[23]在研究中建立了来自1 612例ASD患者的超过100个输入特征的“随机森林模型”,以评估发生主要并发症、再手术及再入院3种主要结局的风险(AUC为0.67～0.92)。这项研究的新颖之处在于,它为每个结局开发了2个预测模型:一个模型只包含术前变量,另一个模型包含围手术期信息。脊柱外科医师已经在预测分析方面取得了进展,但仍无法发挥机器学习和AI技术的巨大力量,以及AI如何被广泛使用,以增强治疗和护理脊柱畸形患者的能力。随着对生物标志物认识的增加,获得更多额外的信息,包括对人的生物识别和生物物理健康概况的各个方面的使用,AI对ASD的帮助更大。

2 AI在脊柱矫形手术中术前规划的应用

脊柱矫形手术的手术难度大,手术的成功率显得尤为重要。AI集成各种技术可以极大地提高外科手术的安全性、一致性、可靠性及有效性。术前深入规划手术入路和干预措施是微创技术和高难度手术的重要基础。20世纪90年代中期,神经外科引入了术前三维规划,使得到达手术目标的通路更短。在虚拟环境中对成像数据的三维重建能够加快对患者个体解剖结构的理解,以及帮助年轻外科医师进行解剖学学习。目前,国外较流行的脊柱侧凸术前规划软件——Surgimap软件,导入患者的影像学数据后可以辅助测量Cobb角等影像学参数,还可以自动识别椎体节段,无须手动标定,极大地帮助医师提高阅片效率。后路长节段内固定融合手术是脊柱畸形的有效治疗方法,目的是通过钉棒的弯曲和椎体的旋转移位来重建冠状面和矢状面排列,以保持脊柱的稳定性。但是融合可能会增加头端节段椎体的应力,并最终加速邻近椎间盘的退变。Kosterhon等[24]构建规划程序以优化近端连接角(proximal joint angle,PJA),防止每个脊柱侧弯患者术后PJK,整合了生物力学和机器学习来支持手术决策。对于新个体,基于学习模型可以同时预测PJK和最优PJA的风险。在一些侧凸患者中,需要截骨矫形,确定截骨的范围和大小是矫形手术的难点。Hetherington等[25]设计了一套脊柱水平识别(spine level identification,SLIDE)系统,能较好地对脊柱进行扫描与重建,为术式的选择、截骨的范围等提供了可循的证据。

3 AI在脊柱矫形手术中的应用

脊柱手术在过去的几十年里有许多技术创新,如手术技术、置入物、生物制剂、计算机辅助导航及手术机器人等方面都取得了进步。脊柱侧弯矫形手术在脊柱外科手术中难度较大。侧弯手术创伤大、手术时间久、术后并发症也较多。由于脊柱毗邻许多重要的血管和神经,在矫形手术中不仅要求医师有良好的螺钉置入能力,而且还要考虑脊柱整体的生物力学功能。随着实时图像引导和导航能力的提升,处理患者相关数据和重建成交互式三维脊柱“地图”的计算能力增强,外科手术机器人技术的应用得到了推广。外科手术机器人和导航在改善现代脊柱手术方面具有巨大的潜力,一些研究在应用外科手术机器人和导航来提高椎弓根螺钉准确性方面取得了成功[26]。鉴于这些特点,脊柱矫形手术中使用术中导航和机器人辅助系统较为理想。

3.1机器人辅助系统 脊柱矫形手术中机器人主要是在螺钉置入的过程中使用,螺钉的安全置入是矫形手术成功的前提。机器人可以配准跟踪术者手部动作,消除不自觉震颤,也可以辅助手术程序中的精细化操作,减少操作不当或失误带来的医源性损伤[27]。脊柱侧凸往往是三维,而且凹槽椎弓根往往较凸侧更细,在胸椎椎管容积较小的前提下,行凹侧置钉时容错率更低,在机器人的辅助下行螺钉置入则更加精准,安全性较高。机器人辅助手术已被其他外科亚专科使用多年。这些机器人有各种各样的设计,有不同程度的“辅助”,可以分为三大类:(1)监控系统,机器被编程与预定的动作,由机器人自主监督;(2)远程手术系统,如达芬奇机器人,让外科医师从远程指挥站完全控制机器的运动;(3)共享控制模型,一种共同自主的形式,允许外科医师和机器人同时控制运动[28]。目前关于机器人辅助脊柱手术设备研究较多,有研究利用了机器人辅助技术的准确性,在机器人的辅助下操作与术前模板相比,实际置入物位置的平均偏差为1 mm或更少[29]。Roser等[30]发现使用脊柱辅助机器人的腰骶椎弓根内固定的准确率为99%,而使用透视引导的准确率为98%。Kantelhardt等[31]同样报道了使用脊柱辅助机器人和常规透视的准确率分别为95%和92%。在现有的外科手术机器人的新应用中,Medtech设计的ROSA机器人增加了一个机械臂,机械臂与患者的移动是一致的,摄像机实时跟踪监测,经皮放置几个跟踪针,以参考附着在机器人上的跟踪球。在ROSA机器人应用脊柱手术中,Lonjon等[32]在初步研究中报道了椎弓根螺钉内固定的准确率为97.3%,而徒手打钉的准确率为92.0%,结果仍需要更多的数据来验证。达芬奇机器人在2000年被美国食品药品监督管理局(Food and Drug Administration,FDA)批准用于普通腹腔镜手术,可缩短住院时间,恢复更快,术后疼痛减少和切口更小[33]。但达芬奇机器人并没有被FDA批准用于实际的脊柱内固定,需要更多的探索来验证其使用。

3.2三维成像和术中导航 基于CT的3D导航在脊柱手术中的应用已经被广泛研究,并进行了多个临床试验。大多数研究评估了利用该技术置入椎弓根螺钉的准确性和安全性。即使有大量文献证明了导航下椎弓根螺钉置入的安全性和可靠性,但仍然有不少文献结论不确定。这可能与徒手椎弓根螺钉内固定的成功率和安全性有关,也与不同计算机辅助导航平台的技术限制有关,这可能会使结果的差异性显著增加。为此,想要运用计算机辅助导航技术的医疗机构不仅要求相关设施的配备齐全,还要求医师和手术室医务人员掌握对系统的操作。脊柱手术机器人通过适当的机械臂定位来规划螺钉轨迹的能力是基于利用脊柱成像数据的计算机辅助导航。影像学数据的采集既可以通过术前透视记录的CT,也可以通过术中CT实现。目前可用的术中3D脊柱成像设备均可提供足够的成像数据,且与其他设备交叉兼容[34]。因此,即使制造商不同、数据传输和成像配准系统不完全配对,但利用AI的术中三维成像和导航技术可以使得螺钉置入更加安全。

4 结语

AI技术的发展可以更好地服务于脊柱外科医师,现阶段脊柱矫形手术在AI技术的帮助下,不仅使螺钉置入的安全性大大提高,而且可以缩短脊柱外科医师暴露射线的时间。AI技术的总体目标是提高外科医师的能力,以提供一致、可预测和安全的手术,从而产生可靠和最佳的手术结果。AI技术包括一系列广泛的工具,关键组件包括手术计划软件、先进的计算机辅助导航、术中三维成像和机器人设备。随着技术不断进步,计算机科学工具将为临床医师提供新的见解和数据,通过机器学习和AI应用于临床实践获得的信息可与患者共享,使更多患者受益。