人工智能在X线片上自动测量脊柱骨盆参数:多阅片者研究
本研究开发了一种基于两阶段区域卷积神经网络的人工智能算法,用于在脊柱侧位X线片上自动测量胸椎后凸角、腰椎前凸角、骶骨倾斜角和矢状面垂直轴,并在65例未参与训练的X线片上与6名阅片者(3名放射科医生、3名外科医生)的测量中位数参考标准进行比较。结果显示,人工智能测量与参考标准的相关性优异(ICC 0.92–1.00),平均绝对误差均在阅片者范围内,且与任何人类阅片者之间无显著差异,但人工智能每例分析耗时不超过1秒,而人类阅片者平均耗时139秒。
要点
- 人工智能自动测量胸椎后凸角、腰椎前凸角、骶骨倾斜角和矢状面垂直轴,与6名阅片者中位数参考标准的ICC为0.92–1.00。
- 人工智能各参数的平均绝对误差均在人类阅片者范围内,且与任何单个阅片者相比无显著差异。
- 人工智能每例分析耗时不超过1秒,而人类阅片者平均耗时139秒(范围86–231秒),可能节省时间并提高可重复性。
核心结论
- 人工智能算法提供的脊柱骨盆参数测量精度在多名经验丰富阅片者的变异范围内,并有可能节省时间、提高可重复性。
研究设计与样本
- 回顾性研究,纳入2012年9月至2019年5月在本机构PACS查询的295例连续患者的站立位全脊柱侧位X线片(EOS系统采集)用于算法开发,随机分为80%训练集和20%内部验证与优化集。
- 另外随机选取65例未参与训练的X线片作为测试集,由6名阅片者(3名放射科医生和3名外科医生,分别有3、6、3年和3、8、5年经验)独立手动测量,以6名阅片者每项测量的中位数作为参考标准。
- 排除标准包括脊柱采集不完整、运动伪影以及严重脊柱畸形(半椎体或Cobb角≥25°的中重度脊柱侧凸),但包含脊柱内固定或髋关节置换等异物及椎体骨折病例。
关键影像表现/征象
- 人工智能成功处理全部65例测试集图像(成功率100.0%),包括椎体骨折、畸形或脊柱内固定等特殊病例。
- Bland-Altman图显示人工智能各自动测量平均差值较低(胸椎后凸角−0.57、腰椎前凸角0.51、骶骨倾斜角0.59、矢状面垂直轴0.39),无比例偏倚。
- 人工智能在解剖变异或严重重叠等病例中可能出现标志点检测错误,这些病例在多名阅片者之间也存在分歧。
诊断标准与关键数值
- 胸椎后凸角测量从T4上终板至T12下终板(正常30–50°),腰椎前凸角从L1上终板至S1上终板并记为负值(正常−60至−50°),骶骨倾斜角为S1上终板与水平线夹角(正常35–45°),矢状面垂直轴为C7中心铅垂线至S1上端点的水平距离(正常±20 mm)。
- 人工智能与参考标准的ICC:胸椎后凸角0.92(阅片者范围0.85–0.96)、腰椎前凸角0.95(0.87–0.98)、骶骨倾斜角0.93(0.89–0.98)、矢状面垂直轴1.00(0.99–1.00),所有p<0.001。
- 人工智能平均绝对误差(±SD):胸椎后凸角3.14°(±4.24)(阅片者1.97–3.87°)、腰椎前凸角3.71°(±4.68)(1.86–5.88°)、骶骨倾斜角4.56°(±6.10)(2.20–4.76°)、矢状面垂直轴2.44 mm(±3.93)(1.22–2.79 mm)。
- 按病例分析,误差<5°的病例比例:骶骨倾斜角84.6%、腰椎前凸角70.8%、胸椎后凸角68.8%;误差<10°的比例:骶骨倾斜角96.9%、腰椎前凸角90.8%、胸椎后凸角98.4%。
- 方差分析显示人工智能与人类阅片者误差在骶骨倾斜角(p=0.054)和矢状面垂直轴(p=0.064)无显著差异,胸椎后凸角(p<0.001)和腰椎前凸角(p<0.005)存在显著差异,但事后Tukey检验显示人工智能与任何人类阅片者之间均无显著差异,仅部分阅片者之间存在差异。
临床应用与阅片要点
- 人工智能自动测量可在秒级完成,并可将检测到的标志点叠加显示于输入图像上供视觉核查,属于「可解释人工智能」的应用场景。
- 人工智能测量误差均在人类阅片者变异范围内,且与任何单个阅片者无显著差异,可辅助日常阅片和报告中的脊柱骨盆参数测量。
- 对解剖变异或严重重叠病例,人工智能可能出现标志点检测错误,需人工核对。
局限性
- 研究具有回顾性和单中心性质。
- 仅纳入EOS系统采集的数据,可能限制模型的普遍适用性。
- 训练数据集相对较小,为295例。
- 未来研究应进一步评估人工智能辅助阅片的临床影响。
全文中译11 节 · 点击展开
引言
脊柱骨盆参数描述脊柱与骨盆的平衡,这对人类直立行走至关重要[1]。因畸形、退变或创伤导致的这种平衡失调可引起严重的不稳定,从下腰痛到完全无法活动,给个人、家庭和整个经济体造成巨大负担[2, 3]。
在X线片上正确可靠地测量脊柱骨盆参数是诊断和预后判断的基础,也是指导 and 监测保守或手术治疗的基础[4–6]。然而,手动测量耗时、易出错,且读片者间变异度高[7, 8]。
人工智能(AI)的最新进展已出现可改善并加速图像采集的算法[9, 10],并在多种任务上达到与医学专家相当甚至更优的诊断准确性[11–16]。这也提高了人们对自动化脊柱骨盆测量的兴趣,并取得越来越多的成功[17–23]。然而,正如近期一篇综述所指出的[24],既往研究仍缺乏对AI的多读片者评估,以更好地反映临床实际,而这一点已在不同应用场景中成功建立,如骨折检测[11, 12]或胸部X线片判读[13, 14]。
在本研究中,我们的目标是:i)开发并训练一个AI模型,用于在脊柱侧位X线片上自动测量临床相关的脊柱骨盆参数;ii)纳入来自临床实际的各种病例,包括骨折和内置物;iii)在跨学科多读片者环境中验证该AI模型,包括在这些测量方面有经验的放射科医师和外科医师。
材料与方法
研究设计
本研究经机构审查委员会批准(批准号18–399)。由于本研究为回顾性、非干预性研究,豁免知情同意。所有程序均按照《赫尔辛基宣言》(2013年修订版)进行。
影像数据
所有影像数据均从我院图像归档与通信系统(PACS)中回顾性查询2012年9月至2019年5月期间接受全脊柱侧位X线片检查的患者。在我院,这些图像使用EOS系统(EOS Imaging,巴黎,法国)采集,其中垂直移动的X线源可在负重条件下站立位获得无失真图像[25],无需拼接传统图像,且辐射剂量极低[26]。
纳入标准为:i)站立位全脊柱侧位图像;ii)采集范围自外耳道向头侧至股骨头向尾侧。排除标准为:ii)脊柱采集不完整;ii)图像采集期间存在运动伪影;iii)严重脊柱畸形,定义为存在半椎体或中重度脊柱侧凸(Cobb角≥25°)[27],这会在侧位图像上造成重叠伪影。除此之外,存在异物(例如来自脊柱内固定或髋关节置换)以及椎体骨折的病例均纳入,以代表临床实际。
这产生了一组用于算法开发的295张图像,随机分为80%的训练数据和20%用于内部验证和优化。另一个随机选择的65张图像的测试集完全未用于训练,用于随后算法的性能评估。
脊柱骨盆测量指标的定义
本研究使用了侧位X线片上五项常用的临床相关脊柱骨盆测量指标,定义如下。胸椎后凸(TK)理论上被认为是T1与T12之间的角度,但在实践中由于肱骨头的重叠通常无法勾勒[1],因此在临床常规和大多数既往研究中,替代性地从T4上终板测量至T12下终板(正常值:30–50°)[28],本研究采用了该定义。关于腰椎前凸(LL)的共识较多,从L1上终板测量至S1上终板,记为负值(正常值:–60至–50°)[28];骶骨倾斜角(SS),测量S1上终板与水平线之间的角度(正常值:35–45°)[28];以及矢状面垂直轴(SVA),测量为C7中心铅垂线至S1上终点的水平距离,S1前方为正值,后方为负值(正常值:± 20 mm)[28]。
算法开发
采集的训练数据由两名经过大量培训的标注者在专用内部平台上对解剖标志进行标注。标注包括每个椎体的四个角(C2-S1,每例94个标签,总计约27,730个标签),所有标签均由一位在骨科X线片方面经验丰富的放射科医师审核。标注后的图像经过多种增强处理(包括旋转、平移、裁剪、缩放、模糊和畸变),用于训练一个两阶段神经网络。首先,使用基于区域的卷积神经网络(R-CNN)从图像中一次性自动检测整个脊柱中心。然后,根据检测到的脊柱中心将原始图像切割为包含椎体的小区域,使用第二个R-CNN自动检测四个椎体角点。最后,对预测的标志点使用几何公式进行后处理,以自动计算上述脊柱骨盆角度和测量值,并叠加显示在输入图像上以便对结果进行视觉检查。
参考标准定义
六名读者在接受了包含所有测量规范的口头和书面介绍后,独立手动测量了验证数据集。读者包括三名放射科医师(B.F.H、B.O.S.和J.Rue.,分别具有3、6和3年经验;称为“读者R1-R3”)和三名骨科外科医师(A.C.-K.、S.W.和W.H.,分别具有3、8和5年经验;称为“读者S1-S3”)。由于我们发现即使是最有经验的读者偶尔也会对单次读数高估或低估(补充图S2),因此使用读者的中位数作为共识参考标准。对于偶数个数值(来自六名读者),中位数定义为按从低到高排序后两个中间值的算术平均值。这进一步意味着没有任何单一读者可以单独为任何给定病例建立参考标准。
统计分析
定量测量以均数和标准差(± SD)表示;而分类变量以计数和百分比表示。测量的正态分布通过直方图确认(补充图S1)。AI算法和读者的性能通过带标准差(SD)的平均绝对误差(MAE)、与参考标准的Pearson相关(r)、用于均值差异可视化的Bland–Altman图以及累积分布函数(CDF)进行评估,以评估截至临床相关阈值的性能并计算归一化曲线下面积(AUC)以进一步量化。组内相关系数(ICC)基于双向随机效应模型以绝对一致性计算[29]。一致性定义如先前所述:ICC ≥ 0.90为优秀,0.90–0.75为良好,0.75–0.50为中等,≤ 0.50为差[30]。
为检验AI与人类读者之间是否存在任何显著差异,对误差进行方差分析(ANOVA),必要时采用Tukey事后检验。所有分析和可视化均在Python(版本3.12,Python软件基金会)中完成,使用最新的SciPy、statsmodels和seaborn库。采用双侧显著性检验,α为5%(p < 0.05)(图1)。
结果
研究人群
评估队列由65例患者组成(39例女性;60.0%),涵盖所有不同年龄组(平均年龄:47.8 [± 24.1]岁,范围:7–85岁),具有范围广泛的(病理性)脊柱骨盆测量值。超过三分之一的患者存在椎体骨折(23例;35.4%),约四分之一的患者既往接受过脊柱内固定(16例;24.6%),反映了临床现实的广泛谱系(表1)。
算法性能
所有65例病例均由AI成功处理(100.0%成功率),包括伴有椎体骨折、畸形或脊柱内固定的特殊病例(示例见图2)。AI分析每例最多耗时1秒;而人类读者每例平均耗时139秒(范围:86–231秒)。Bland–Altman图显示所有自动测量的平均差异均较低(TK:−0.57;LL:0.51;SS:0.59;SVA:0.39),无比例偏倚(图3A)。
所有基于人工智能(AI)的结果与参考标准具有极好的相关性(ICC:0.92–1.00;所有p < 0.001),其中矢状面垂直轴(SVA)结果最高,胸椎后凸(TK)结果最低,但每项测量的ICC均在六名人类阅片者的范围内(表2,图3B)。此外,所有四项测量的平均绝对误差(MAE)也均在阅片者的范围内,其中矢状面垂直轴误差最小(AI:2.44 mm [± 3.93];阅片者:1.22–2.79 mm),其次为胸椎后凸(AI:3.14° [± 4.24];阅片者:1.97–3.87°)、腰椎前凸(AI:3.71° [± 4.68];阅片者:1.86–5.88°)和骶骨倾斜角(AI:4.56° [± 6.10];阅片者:2.20–4.76°)(表2)。
所有这些误差均低于< 5°的阈值,该阈值此前已被证明为正常的阅片者间变异性,并被普遍认为是可接受的[8, 31]。
累积分布函数(CDF)通过将低于某一绝对误差(x轴)的病例百分比(y轴)逐点绘制,实现了更详细的分析,从而允许读取临床相关阈值并计算归一化曲线下面积(AUC)以进行定量比较(图4A)。这在逐病例分析中显示,骶骨倾斜角(SS)有84.6%的病例达到误差< 5°,腰椎前凸(LL)为70.8%,胸椎后凸(TK)为68.8%;而更高的< 10°阈值(此前研究中也曾使用[18])在所有测量中均远超过90%的病例达到(SS:96.9%;LL:90.8%;TK:98.4%)。
方差分析(ANOVA)显示,AI与人类阅片者在SS(p = 0.054)和SVA(p = 0.064)的误差之间无显著差异,但在TK(p < 0.001)和LL(p < 0.005)存在显著差异。然而,事后Tukey检验显示,AI与任何人类阅片者之间均无显著差异,仅部分阅片者彼此之间存在差异(TK:R3 vs. R2、S2和S3;LL:S3 vs. S1、R2和R3;所有p < 0.05;完整结果见补充表S1)(图4B)。
讨论
在本研究中,我们开发了一种AI算法用于在X线片上测量临床相关的脊柱骨盆参数,并在由六名经验丰富的医师(放射科医师和外科医师各半)参与的跨学科多阅片者环境中进行了验证。
所有自动测量(TK、LL、SS和SVA)均与参考标准显示出极好的相关性,偏差均在阅片者的范围之内。此外,AI的误差与多名人类阅片者的误差之间未发现显著差异,从而使AI处于多名临床医师自然变异范围的范畴之内。
具体而言,所有基于AI的角度测量平均绝对误差均< 5°,此前已被证明属于正常的阅片者间变异性,并通常被认为可接受[8, 31]。深入分析显示,70–80%的病例低于该阈值,凸显了临床可用性。此外,我们使用了包括多种统计检验的综合验证流程,使结果具有高度透明性。
由于训练使用了多样化的数据,我们的模型能够分析所有测试病例(成功率100%),包括存在畸形、骨折或脊柱内固定的病例,即使对于具有挑战性的病例也提高了临床价值。相比之下,此前一项研究报告的成功率为84%[20],甚至在最近的一篇出版物[22]中,也有一些病例自动分析失败。此外,即使是最近的研究也仅关注正常病例而排除了脊柱病变或异物[20–22];虽然其严格的病例选择可能在实验室环境中带来了更好的性能,但其无法处理病理病例限制了临床价值。
不出所料,自动测量仅占阅读时间的一小部分(< 1秒);而人类平均每例花费超过2分钟。鉴于人类读者有可能在数秒内对AI检测标志物的渲染图进行视觉复核,这是“可解释AI”的一个极佳应用案例[32],并且具有缩短阅读时间的巨大潜力。此外,随时间进行的自动分析可以识别任何异常变化,从而有助于标记可疑病例,例如新发骨折或治疗失败[5, 6]。例如,最近一项荟萃分析证明,随着骨质疏松性椎体骨折的发生,TK和SVA显著增加[33];而LL和SVA已被证明可预测骨质疏松性椎体骨折矫正手术后远端交界性失败[34],并且腰椎融合术后前凸增加较多与术后L5神经根病相关[35]。
在当今世界,不断增加的医疗操作数量与停滞不前的医疗专业人员数量之间的差距正在扩大,导致令人担忧的压力水平和倦怠率[36],基于AI的支持系统正变得越来越是一种必需品而非可选项。正如近期多项研究所显示的,医生可以明显从AI系统中获益[11–14, 37, 38],并且通过持续使用,他们可以通过了解AI的能力和弱点来建立对AI的信任,并有效地使用这些系统[39]。
此外,我们在少数病例中观察到AI性能下降,例如伴有腰椎变异或严重畸形及由此产生的伪影——然而,这些病例对人类读者而言仍然具有挑战性,并且已知在临床实践中会导致更高的读者间变异性。然而,我们将读者中位数设为参考标准的方法(对于偶数个值,如我们的六位读者,定义为两个中间值的平均值),在要求高的病例中也显示出稳健的参考标准,因为每一位读者都有相当数量的离群值,这原本会导致错误的参考标准,但被我们的方法所缓解。
作为我们研究最大的优势之一,我们认为是我们扩展的跨学科多读者比较,这使我们能够证明该算法与多位临床经验丰富的专家相当。
迄今为止,几乎所有先前的研究仅选择一位放射科医生或外科医生作为参考标准和比较对象[17, 18, 40]。在值得注意的例外中,一位住院医师由一位资深放射科医生审核[22],或第二位读者测量了至少一半的病例[23],迄今为止只有一个研究组在比较中纳入了三位外科医生[19, 20]。据我们所知,尚无研究努力纳入超过三位读者;而我们共分析了六位读者,由经验丰富的放射科医生和外科医生等量组成。
我们的研究存在局限性,包括回顾性和单中心特征。尽管如此,所提出的模型可作为进一步研究的起点,例如,利用联邦学习方法结合前瞻性或多中心数据进行再训练和进一步优化。此外,我们仅纳入了来自EOS系统的数据,该系统已被证明在更高图像质量和更低辐射暴露方面优于传统X线摄影[25, 26],但可能限制我们模型的泛化能力——然而,所使用的深度学习技术(卷积神经网络(CNN))能够实现迁移学习,其对未见传统X线摄影的适用性应在未来研究中加以探讨。另一个局限性可见于我们相对较小的295例训练病例数据集。然而,现代预训练模型和有效的增强技术使得即使训练数据较少也能实现泛化,尤其是当这些数据代表广泛的变异谱时(如我们的情况),并且先前在可比[41]甚至更小的数据集[18]上已取得了显著性能。
总之,我们表明我们的AI算法提供的脊柱骨盆测量在多位经验丰富的阅片者变异范围内是准确的,但具有节省时间和提高可重复性的潜力。未来研究应扩展这些工作,并进一步评估AI辅助阅片的临床影响。
补充信息
以下是电子补充材料的链接。补充文件1(DOCX 283 KB)
引用
- Hoppe BF, Rueckel J, Rudolph J, et al. Automated spinopelvic measurements on radiographs with artificial intelligence: a multi-reader study. Radiol Med. 2025. PMID: 39864034. doi:10.1007/s11547-025-01957-5
- 全文:PMC11903605(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11903605/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。