综述：评估关节炎（尤其是膝关节）定量和半定量 MRI 评分的人工智能自动化潜力：一项系统文献综述

《Skeletal Radiology》：Evaluating potential for AI automation of quantitative and semi-quantitative MRI scoring in arthritis, especially at the knee: a systematic literature review

这篇综述聚焦于关节炎生物标志物的定量和半定量 MRI 评分系统，探究其借助人工智能（AI）实现自动化的潜力。通过系统回顾相关文献，分析多种生物标志物评分系统的 AI 适用性，为 AI 在关节炎评估中的应用提供依据。

　　### 研究背景
关节炎是一种常见且复杂的疾病，对患者的生活质量产生严重影响。准确评估关节炎的病情进展和严重程度对于制定有效的治疗方案至关重要。磁共振成像（MRI）作为一种强大的影像学技术，能够提供关节内部结构的详细信息，在关节炎的诊断和评估中发挥着重要作用。近年来，定量和半定量 MRI 评分系统被广泛应用于评估关节炎的生物标志物，然而传统的评分方法往往依赖于人工操作，不仅耗时费力，还存在一定的主观性。随着人工智能（AI）技术的飞速发展，其在医学影像分析领域展现出巨大的潜力，有望实现 MRI 评分的自动化，提高评估的准确性和效率。

研究方法

本研究采用系统综述的方法，对 2014 年至 2024 年 Medline、PubMed 和 Scopus 数据库中的文献进行检索。检索关键词包括 “MRI”“关节炎” 以及 “定量 / 半定量”。在最初检索到的 3321 篇论文中，经过一系列排除标准筛选后，对过去十年的 129 项研究进行了全文评估，其中 74 项研究专门针对膝关节骨关节炎。

研究结果

1. MRI 关节炎评分系统相关研究趋势：关于 MRI 关节炎评分系统的研究论文数量在 2021 年达到峰值，近年来呈下降趋势。这种变化可能是由于研究方向逐渐向 AI 驱动的自动化评估转变。
2. 不同生物标志物评分系统的 AI 适用性
   • 关节积液（Effusion）：由于其在 MRI T₂加权像上具有较高的对比度，使得基于 AI 的自动化检测相对容易实现。在 MRI 图像中，关节积液呈现出明亮的信号，AI 算法能够较为准确地识别其位置和范围，从而实现对关节积液的定量或半定量评估。
   • 软骨厚度：尽管对软骨厚度的研究关注度很高，但目前利用 AI 准确量化和定位软骨损失仍然存在困难。软骨在 MRI 图像中的信号特征较为复杂，其厚度的变化受到多种因素影响，如关节的不同解剖部位、个体差异以及成像技术的局限性等，这些因素增加了 AI 准确评估软骨厚度的难度。
   • 骨髓水肿（Bone Marrow Edemas，BMEs）：AI 在检测 BMEs 方面显示出一定的潜力。BMEs 在 MRI 上表现为骨髓腔内的异常信号，AI 可以通过学习大量含有 BMEs 的 MRI 图像，识别其特征性的信号模式，从而实现对 BMEs 的自动化检测和评分。
   • 骨侵蚀（Erosions）和骨赘形成（Osteophytes）：AI 具备实现这两种生物标志物评估自动化的可能性。骨侵蚀表现为骨组织的局部破坏，骨赘则是关节边缘的骨质增生，AI 能够分析 MRI 图像中骨组织的形态变化，判断是否存在骨侵蚀和骨赘形成，并对其严重程度进行评估。
   • 结缔组织完整性（Connective Tissue Integrity）：以半月板（Meniscus）/ 盂唇（Labrum）为例，AI 在半月板撕裂检测方面具有适用性。半月板和盂唇的损伤在 MRI 图像上有特定的表现，AI 可以通过对这些特征的学习，准确识别半月板是否存在撕裂以及撕裂的类型和程度。
   • 骨内和关节周围脂肪化生（Intraosseous and Periarticular Fat Metaplasia）：在评估骨内和关节周围脂肪化生方面，不同的 MRI 评分系统对 AI 的适用性有所差异。脂肪化生在 MRI 上的信号特征与正常组织有所不同，但由于其表现形式多样，AI 在准确评估其范围和程度时面临一定挑战。
   
   

研究结论

AI 在关节炎 MRI 评估中的应用越来越广泛。通过对多种生物标志物评分系统的分析，发现 AI 有机会为关节炎的纵向疾病追踪提供更详细的炎症病变评分和高分辨率的结构异常评估，从而实现关节炎的早期干预。未来，随着 AI 技术的不断发展和完善，有望进一步提高关节炎 MRI 评分的自动化水平，为临床诊断和治疗提供更精准的依据，改善关节炎患者的预后。