MRI人工智能深度学习对前交叉韧带损伤诊疗的研究进展.pdfVIP

719

MRI人工智能深度学习对前交叉韧带损伤诊疗的研究进展

11111，2

任武刚，罗佳佳，刘涛，冯杰，肖遵健

【摘要】前交叉韧带损伤是常见的膝关节运动相关疾病，早期准确诊断前交叉韧带损伤有利于治疗及康复。目前，

作为人工智能的重要分支，深度学习在预测前交叉韧带损伤风险、检测损伤分类及韧带重建术中的应用等方面取得了一

定进展，但是仍存在部分不足与挑战。笔者对当前研究进展和存在问题进行综述，旨在为下一步临床应用提供可能的解

决方案。

【关键词】磁共振成像；人工智能；深度学习；前交叉韧带；损伤

【中国图书分类号】R687.4

DOI:10.14010/ki.wjyx.2025.08.017

前交叉韧带（anteriorcruciateligament，ACL）是模型仅对医院内部数据进行预测，未开展外部验证

［15］

膝关节的重要结构，在保持关节稳定性方面具有重工作。同年，Tamini等采用AI策略，融合50例术

要作用［1，2］。ACL损伤是常见的膝关节运动相关疾前MRI膝关节形态特征，构建了一个预测原发性

病［3，4］，增加创伤后骨关节炎的风险，早期准确诊断ACL损伤的人工智能模型。AI模型使用高斯朴素

ACL损伤对于有效治疗及康复至关重要［5］。磁共振贝叶斯算法构建，通过邻域成分分析选择特征。该

成像（magneticresonanceimaging，MRI）和关节镜检研究通过术前MRI扫描测量了内侧和外侧胫骨平

查等技术的发展，增强了专科医师评估ACL损伤的台的前后长度、外侧和内侧骨斜度、外侧和内侧半

能力［6］。关节镜检查是评估ACL损伤的金标准，但月板斜度及外侧和内侧半月板。该模型针对原发

具有侵入性［7］，而MRI是评估ACL损伤最可靠的非性ACL损伤的测试准确率超过90%。但是此研究

侵入性方法［8］。放射科医师受专业知识、阅图经验未纳入股骨大小、下肢力线等因素，并且在比较健

和主观意识等因素影响，评估ACL损伤时对MRI图康ACL数据时仅匹配性别而未控制活动水平及体

像的解释和诊断存在一定差异，可能会延误治疗时重指数，使模型效能及泛化能力存在一定限制。

机［9］。随着大数据聚合及算力的不断提高，依赖于Taborri等［16］比较9种机器学习方法，发现线性支持

大规模非结构化数据的深度学习（deeplearning，向量机可通过传感器数据准确预测ACL损伤风险，

DL）推动了人工智能（artificialintelligence，AI）在医准确率达96%，优于传统主观评估方法。这有助于

学影像领域的应用［10，11］。作为AI领域的重要分支，提前发现高风险运动员，采取针对性预防措施，降

DL能够基于深层神经网络从原始图像数据中自动低损伤发生率。但是该研究的局限性在于仅采用

学习分层特征，提取数据高阶特征，快速识别图机器学习策略，且分析数据仅来源于女性运动员，

［12］［13］

像。DL虽已取得部分进展，但由于数据规模这使模型的智能化及普适性受到限制。

小、标准不规范、缺乏外部验证等因素，在预测ACL预测ACL损伤风险对于降低损伤率有重要意

损伤风险、检测损伤分类及韧带重建术中的应用等义，但目前基于MRI的AI预测研究较少。首先，大

方面仍存在一些技术挑战。笔者对当前研究进展多研究聚焦于损伤检测分类，对于风险预测管理的

和存在问题进行综述。研究较少。推测原因可能是ACL损伤更具现实紧

迫性，而风险