首尔大学医院提出基于AI自动测量膝关节预后关键指标的可能性

by Choi Taewon

Published 26 Aug.2025 09:41(KST)

学习膝关节X光影像逾1万例…构建深度学习模型

由韩国本土研究团队主导开发的一种人工智能模型，能够将影响膝关节手术预后的一项核心指标的计算速度提升至人工手工测量的10倍。过去缺乏统一测量标准的“胫骨（小腿胫骨）后倾角”如今可以得到快速且精确的测量。预计该成果将为今后临床与研究提供统一标准，从而有助于提升医疗效率。

首尔大学医院整形外科教授 Noh Duhyun、研究教授 Kim Seongeun。首尔大学医院

首尔大学医院骨科 Park Nohdohyun 教授、Kim Seongeun 研究教授与美国明尼苏达大学、挪威卑尔根大学联合研究团队于26日表示，他们基于2009年至2019年间拍摄的1万余例膝关节侧位X光片，开发出了一种能够快速且具有高可靠性的胫骨后倾角测量深度学习模型。

“胫骨后倾角”是指从侧面观察胫骨时，其关节面向后倾斜的角度大小。该角度对膝关节的稳定性以及膝关节手术后人工关节的使用寿命具有决定性影响。尤其是当角度较大时，交叉韧带损伤风险会升高，人工关节置换术后的预后也可能变差。

然而，由于各医疗机构膝关节X光片的长度和倍率不尽相同，目前尚不存在测量胫骨后倾角的标准化方法。因此，即便是同一名患者，不同机构之间的测量值也可能存在差异，研究结果在临床中的应用受到限制。

研究团队开发的模型可以自动识别膝关节骨骼上的6个解剖学基准点。随后利用这些基准点确定胫骨的关节线与中心轴，并在此基础上计算倾斜角度。该方法的优势在于，即使X光片较短或无法进行实际距离测量等多种临床条件下，也能加以应用。

将该模型与专科医生的手工测量进行性能比较后发现，深度学习模型的测量时间比手工测量快10倍以上。此外，“观察者间相关系数”最低为91%，这意味着深度学习模型给出的测量值与专科医生手工测量结果高度一致。相反，在代表性能一致性的“观察者内相关系数”方面，手工测量最高为95%，而深度学习模型则表现出完全一致性（100%）。

在后续研究中，对挪威289名患者的膝关节影像进行验证后发现，深度学习模型与专科医生之间的观察者间相关系数为80%。这一结果表明，用于测量胫骨后倾角的深度学习模型有望在不同人种人群中推广应用。

Kim Seongeun 研究教授表示：“这一结果是将韩国本土开发的医疗人工智能技术在多种人种中成功验证的案例”，并称“今后将通过后续研究探索提升通用性的方案，使该模型能够确立为胫骨后倾角测量的标准”。