人工智能在脊髓疾病中的应用及研究进展.pdfVIP

中国实验诊断学2024年1月第28卷第1期125

文章编号：1007—4287（2024)01—0125—03

人工智能在脊髓疾病中的应用及研究进展

章鼎，尹飞*

（吉林大学中日联谊医院脊柱外科，吉林长春130033

随着科技的飞速发展，人工智能（ArtificialIn-越的性能，脊髓分割的殷子系数为0.93，明显高于

telligence，AI)的应用范围不断扩大，并在医疗领域手动分割工具（0.8），与以前的分割模型（0.9)相比，

中取得了显著的成果，为许多疾病的诊断及治疗带更具有意义[3]。另一种方法是利用DTI中分数的

来了新的希望。医学图像数据的广泛共享和AI算固有差异来完成灰质和白质的分割。DTI在显微结

法的发展为脊髓疾病的诊断效率和准确性的提高提构可视化方面明显优于标准MRI序列。在这种成

供了重要支持，这不仅有益于医生的决策过程，还使像模式中，可以使用各种参数测量组织内水分子扩

患者受益匪浅。本文旨在综述AI技术在脊髓疾病散的方向和幅度[]。

临床诊疗中的应用，涵盖脊髓疾病的多个方面，以探与传统人工影像诊断相比，人工智能的自动分

究AI技术在脊髓疾病诊断和治疗方面的现状及未割方法不仅规范了诊断流程，还有助于减少肉眼诊

来发展趋势。断或半定性评估中固有的偏倚，减少了由于观察误

1人工智能在脊髓中如何应用差带来的异质性[5]。此外，高维度的大计算量也能

脊髓，作为一种被骨骼结构所包围的软组织，其提高敏感性，能检测出肉眼无法发现的脊髓体积细

诊疗过程中对影像对比度和分辨率的需求较高。因微变化，有助于对和脊髓体积变化密切相关疾病的

此，磁共振成像（MRI)数据集已经成为了大部分脊早期诊断，比如多发性硬化症和肌萎缩侧索硬化。

髓评估开发算法的首选数据来源。研究人员已经成MATHIAS等[6]对多发性硬化症患者进行了影像

功地利用高质量的MRI数据集，使用几乎所有类型组学脊髓纹理分析，发现在常规MRI序列上多发性

的MRI序列（包括T1和T2加权序列，以及弥散张硬化症患者的脊髓纹理在萎缩性变化之前已经发生

量成像（DiffusionTensorImaging,DTI)等高级序了变化，这为多发性硬化症的早期诊断提供了手段。

2

列)生成脊髓评估算法。2人工智能在脊髓中的诊疗应用

AI用于脊髓疾病诊断的前提是对在脊髓影像脊髓损伤（SpinalCordInjury，SCI)和导致脊髓

层面的精确分割，绘制整个脊髓轮廓，并对灰质和白或神经根压迫的脊柱退行性变化是脊柱外科医生面

质进行特定分割，为放射科医生和临床医生提供更临的两大类疾病类型。随着大量脊髓数据的开放共

精确的量化脊髓亚成分的机会。这种前所未有的精享，创建多学科和多中心协作网络创建大型数据集，

度有助于更快地检测和诊断特殊的疾病类型，例如利用AI解决脊髓疾病诊断、治疗和预后等问题是

多发性硬化症、肌萎缩侧索硬化、创伤性脊髓损伤，目前备受关注的研究领域。基于脊髓各种成像技术

甚至生理老化门。的AI算法已被应用于其中，给脊髓疾病的诊治带

目前，有多种不同的方法基于图谱的模板变化、来了新的方向。

阅值策略或边缘/轮廓检测来实现脊髓的准确分2.1诊断

割1。例如，PERONE等[2]利用T2序列并应用深SCI的早期精准诊断和分类对临床治疗具有重

度扩张卷积来自动分割灰质，相较于传统的医学成要意义。在大多数情况下，传统的MRI和CT成像

像架构（如U-Nets等），获得了更好的结果。与其方法不足以解决一些特定患者的诊断和预后问题。

他传统MRI序列相比，使用T2序列的优势在于更在多发性创伤的情况下，患者可能无法进行可靠的

高的灰质和白质对比度。同样的，使用卷积神经网神经系统检查，可能会掩盖SCI的性质