人工智能在足踝外科中的应用:当前应用、局限性与未来方向
《The Journal of Foot and Ankle Surgery》:Artificial intelligence in foot and ankle surgery: Current applications, limitations and future directions
【字体:
大
中
小
】
时间:2026年10月11日
来源:The Journal of Foot and Ankle Surgery 1.3
编辑推荐:
**摘要**
**背景**
人工智能(AI)在骨科中的应用研究日益增多,涵盖图像判读、自动测量、风险预测、康复监测和患者沟通等方面。足踝护理特别适合这些应用,因为相关决策通常依赖于影像学测量、畸形评估、伤口监测和纵向恢复数据。
**目的**
总结当前及新兴的人工智能在足踝
**摘要****背景**人工智能(AI)在骨科中的应用研究日益增多,涵盖图像判读、自动测量、风险预测、康复监测和患者沟通等方面。足踝护理特别适合这些应用,因为相关决策通常依赖于影像学测量、畸形评估、伤口监测和纵向恢复数据。**目的**总结当前及新兴的人工智能在足踝护理中的应用,区分已有临床证据支持的应用与实验性概念,并识别出在个体模型不断演进过程中仍具有持久意义的原则。**研究设计**当前概念综述。**方法**对PubMed/MEDLINE、近期系统综述、参考文献列表以及相关英国指南进行了有针对性的叙述性检索,纳入截至2026年8月10日可获取的出版物。优先选择针对明确的足部或踝部临床任务且报告了临床相关验证的同行评审研究。**结果**最强证据集中在基于图像的应用领域,包括踝部骨折的检测和分类、自动畸形测量以及负重CT的三维分析。基于图像的模型可用于评估糖尿病足溃疡,可穿戴传感器结合机器学习在估算跟腱负荷方面显示出应用前景。围手术期预测模型仍主要为回顾性研究。大语言模型可能有助于患者信息传达,但尚不足以支持无监督诊断或分诊。所提出的足踝AI助手仍为未经验证的研究报告概念。**结论**人工智能可以支持足踝护理的特定方面,尤其是影像和自动测量领域,但大多数应用仍需外部和前瞻性验证后方可用于常规临床实践。人工智能应辅助而非替代临床判断和以外科医生为主导的决策。---**引言**人工智能(AI)指能够从数据中识别模式、做出预测或生成文本的计算机系统。机器学习是人工智能的重要组成部分,而深度学习在医学影像领域尤为有用。在临床方面,关键问题在于这些工具能否使决策更安全、更快或更一致。足踝实践非常适合人工智能应用,因为它依赖X线、CT、负重CT(WBCT)、MRI、角度测量、伤口图像、步态数据和患者报告结局,其中许多涉及重复测量或模式识别。一项2023年的系统综述纳入了31项足踝AI研究,其中仅有2项报告了外部验证[1]。一项2026年的踝部骨折综述发现了27项研究,并指出外部验证、本地化和读者辅助设计的使用日益增加,但广泛的临床整合仍处于早期阶段[2]。一项更广泛的骨科综述同样发现,AI并不始终优于骨科医生,应作为补充而非替代[3]。本综述聚焦于人工智能当前能做什么、哪些证据仍属初步、哪些不应被称为人工智能,以及哪些未来工具可能改善足踝护理。为使本综述在个体模型不断变化时仍具有实用价值,本文强调可迁移的原则:外部验证、跨人群和跨中心的性能表现、临床医生与AI的比较、前瞻性临床影响、不确定性报告和人类监督。---**各章节摘录****文献检索方法**对PubMed/MEDLINE、近期系统综述和参考文献列表进行了有针对性的叙述性检索,纳入截至2026年8月10日可获取的出版物。检索概念将人工智能、机器学习、深度学习、计算机视觉和大语言模型与足踝疾病和手术相结合,包括骨折、拇外翻、负重CT、糖尿病足、夏科关节病、跟腱、关节置换、关节融合和康复。优先纳入具有明确临床任务的同行评审研究。**理解人工智能——无需专业术语**人工智能研究报告准确率、灵敏度、特异度、受试者工作特征曲线下面积、Dice系数及其他指标,但这些指标本身并不能确立临床价值。一个模型在开发数据上表现良好,但在另一家医院的表现可能较差。在临床方面,三个问题至关重要:该模型是否在另一个时间段或中心进行了独立测试;它是否帮助临床医生做出更好或更快的决策;它是否能改善患者或医疗服务结局。证据的质量取决于这些方面。**创伤与骨折影像**踝部创伤是足踝AI证据最强的领域之一。深度学习模型不仅能够检测骨折,还能对骨折进行分类。Olczak等人开发了一个模型用于AO/OTA(AO基金会/骨科创伤协会)踝部骨折分类[6],后续的外部验证表明了为何必须在跨中心和跨人群中检验模型性能[7]。Kubach等人基于700例旋转性踝部骨折训练了一个深度学习模型,以术中钩形测试作为参考标准。**局限性、风险与安全实施**一个反复出现的局限性是回顾性的单中心开发,其中算法可能学习到与特定医院、扫描设备或人群相关的特征。因此,在认为模型具有泛化性之前,外部验证至关重要。临床AI指南强调独立的跨机构测试,因为模型性能可能因机构、人群和采集条件不同而发生变化[28]。数据泄漏也可能夸大模型性能。同一患者的多张图像不应被分割到不同数据集中。**足踝人工智能下一步应该做什么?**未来研究应从临床问题出发,而非从可用数据集出发。在创伤领域,优先事项应从显而易见的骨折检测转向改变治疗方案的问题,包括距腓联合不稳定、隐匿性损伤、是否需要CT检查以及重要的遗漏骨折,并进行前瞻性的临床医生加AI对比研究。在畸形领域,应将对X线和负重CT的自动测量与结局相关联,包括复发、残余症状以及特定治疗的获益。**哪些应继续保持人类主导?**人工智能不应替代体格检查、共同决策或专业责任。它无法再现对不稳定性、肌腱张力、皮肤质量或整体临床印象的触诊评估。治疗选择还取决于患者价值观、合并症、活动目标、支持条件、风险耐受度和期望。人工智能可以估计风险,但最终建议仍应是共同临床决策。外科医生仍然负有识别何时不应使用模型的责任。**结论**人工智能在足踝外科中的应用日益重要,最强证据集中在图像判读和自动测量方面。负重CT分析、糖尿病足影像、可穿戴康复工具、结局预测和大语言模型正在快速发展,但关于改善患者结局的证据仍有限。有用的工具应在不同医院进行测试,并与有意义的结局相关联。所提出的足踝AI助手最终可能会整合经验证的功能,形成一个综合系统。---**关于生成式AI和AI辅助技术在稿件准备过程中的声明**在本文准备过程中,作者使用ChatGPT协助稿件组织和语言编辑。使用该工具后,作者对内容进行了审阅和必要的编辑,并对发表内容承担全部责任。**作者贡献**Embaby OM构思了本综述,开发了整体结构和临床范围,进行了文献检索和证据综合,并撰写了初稿。Aljehani AF参与了文献综述和稿件的批判性修改。Elalfy MM参与了综述构思、临床解读、监督和稿件的批判性修改。所有作者均审阅并批准了最终稿件,同意对稿件的完整性负责。**利益冲突声明**无利益冲突需要报告。**财务披露**无财务披露需要报告。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号