人工智能助力膝关节假体分类：精准医疗新突破

研究人员开发 AI 系统识别膝关节假体类型，分类准确率达 100%，助力手术规划。

　　### 膝关节假体分类的 AI 新突破
在骨科医疗领域，全膝关节置换术（Total Knee Arthroplasty，TKA）是治疗终末期膝关节骨关节炎的 “黄金标准”。想象一下，那些被膝关节病痛折磨多年的患者，在接受 TKA 手术后，终于能摆脱疼痛，重新自由行走，生活质量大幅提升。然而，TKA 并非一劳永逸。随着时间推移，假体可能出现松动，还可能发生围手术期骨折等并发症，这时候往往需要进行翻修手术。

可别小看了翻修手术前的准备工作。要知道，膝关节假体一般由股骨组件、胫骨组件、髌骨组件和聚乙烯衬垫这四个主要部分组成。不同品牌和系列的假体，各组件之间的兼容性至关重要。在翻修手术时，如果能提前知晓患者所使用的假体类型，医生就能精准地更换有问题的组件，手术会更顺利。但现实却很残酷，由于医疗记录从纸质到电子的转换过程中可能出现数据丢失、部分医院记录保存期限较短，以及患者转院时病历不完整等原因，很多时候医生难以获取假体的相关信息。这不仅会增加手术难度，延长手术时间，还可能导致医疗成本上升，患者的治疗效果也会大打折扣。

为了解决这些棘手的问题，来自泰国孔敬大学（Khon Kaen University）等机构的研究人员展开了一项极具意义的研究。他们致力于开发一种人工智能（Artificial Intelligence，AI）系统，希望通过普通 X 线片就能准确识别膝关节假体的类型。这项研究成果发表在《European Journal of Orthopaedic Surgery & Traumatology》杂志上。

研究人员开展的这项回顾性实验研究，选用了医院常用的七种膝关节假体。他们从孔敬大学医学院附属的 Srinagarind 医院的图像存档与通信系统（Picture Archiving and Communication System，PACS）中，收集了 2016 年 1 月至 2024 年 6 月期间至少 18 岁患者的单侧和双侧膝关节置换术后的前后位（anteroposterior，AP）和侧位 X 线片。在数据处理阶段，研究人员仔细筛选，剔除了有先前手术固定、单髁膝关节置换、翻修膝关节置换以及图像质量差的片子，还对剩下的片子进行了去标识化处理，并统一转换为 JPEG 格式。最终，他们收集到 3228 张 X 线片，将其随机分为训练集（80%）、验证集（10%）和测试集（10%）。

在构建 AI 模型时，研究人员选择了 YOLO（You Only Look Once）v9 模型。这一模型在目标检测和分类领域表现出色，以高精度著称。为了让模型更好地学习，研究人员对训练集的图像进行了旋转、水平翻转和对比度调整等增强操作，使得训练集图像数量增加到 25800 张。在训练过程中，研究人员还对模型的参数进行了精细调整，使用随机梯度下降（Stochastic Gradient Descent，SGD）优化器，设置了合适的批量大小、训练轮次等参数。

经过一系列的努力，研究取得了令人瞩目的成果。研究涉及的患者平均年龄为 62.8 岁，女性患者的片子占比 73.1%，右侧膝关节置换手术占 48.3% 。膝关节假体图像中，AP 视图占 50.9%，侧位视图占 49.1%。在测试集上，AI 模型的精度、召回率和准确率均达到了 100%，F1 评分也为 1，受试者工作特征曲线（Receiver Operating Characteristic Curve，ROC）下的面积（Area Under Curve，AUC）更是高达 100%。在外部验证中，AI 模型的准确率也达到了 99.84%。

从实际应用来看，AI 模型在临床案例中发挥了重要作用。比如，一位老年女性在膝关节置换术后 10 年出现了围手术期骨折，但其医疗记录已被销毁，无法确定假体类型。这时，AI 模型成功识别出该假体为 Zimmer Biomet 公司的 NexGen，帮助医生制定了合适的治疗方案，手术顺利完成，患者术后恢复良好。还有一位 80 岁的女性，双侧膝关节置换术后出现右侧膝关节围手术期骨折，AI 模型准确判断出假体为 Johnson & Johnson 公司的 Sigma PFC，医生根据假体设计选择了合适的固定方式，手术也取得了成功。

研究结论表明，该 AI 模型能够成功地从普通 X 线片中准确分类膝关节假体类型。这一成果对于外科医生来说意义重大，它可以帮助医生在翻修手术和围手术期骨折固定手术中进行更精准的规划，进而提高患者的治疗效果。不过，研究也存在一定的局限性，该模型只能识别其训练过的假体类型，对于其他未训练过的假体可能会出现误判。

展望未来，研究人员计划通过多中心合作，与全球的假体公司合作进行数据交换，对 AI 模型进行更全面的训练，希望开发出全球适用的 AI 膝关节假体分类模型，并将其集成到更便捷的平台上，让更多的患者受益。相信随着研究的不断深入，AI 技术在骨科医疗领域将发挥更大的作用，为患者带来更多的希望。