用脊柱正面 X 光片自动诊断脊柱侧弯的新型智能系统：准确度、优势和局限性

全文:

论证

脊柱侧弯是所有年龄组中最常见的脊柱畸形之一。脊柱侧弯是指脊柱在冠状面上的侧弯，角度≥10°，椎体及其后部发生扭转（扭曲）。脊柱侧弯症主要根据正面X光片进行诊断。Cobb法被认为是评估脊柱侧弯畸形角度的黄金标准[1-8]。近年来，许多研究人员正在积极探索使用人工智能（AI）通过各种成像技术评估脊柱侧弯的可能性，利用各种成像技术提供更客观的结果，并减少不同研究人员之间 Cobb 法测量结果的差异[9-14]。

我们开发了一个基于机器学习的新程序。在系统开发的第一阶段，以自动识别椎体的方式训练人工神经网络。为此，我们从数据库（XrScl）[15] 中选择了 1000 张脊柱图像。对每张 X 光图像进行标记，其中使用四个参考点确定椎体，并对每张图像中的所有胸椎和腰椎体进行编号。经过训练，神经网络能够独立识别椎体及其编号。第二步，自动测量 Cobb 角并确定脊柱侧弯的程度。自动测量 Cobb 角度有三种方法：

1) 传统的 Cobb 法，即分别在上下肢椎体的上下边界之间测量脊柱侧弯角；

2）放射科医生实践中使用的方法（特别是在马林斯基市医院，其中脊柱侧弯的角度是在上端椎体和下端椎体闭合板的最大倾斜面之间确定；

3）中线法，即在通过末端椎体中间部分绘制的椎体最大倾斜中线之间确定脊柱侧弯角度。

我们测试了新的自动系统在测量 Cobb 角和确定脊柱侧弯程度方面的准确性。

目的

分析新型人工智能程序在脊柱侧弯程度自动检测和脊柱前路片Cobb角测量中的准确性和优缺点程序。

材料与方法

研究设计

本研究是一项观察性回顾性单一中心回顾性随机非对照研究。

研究描述和统计分析

为了评估新型人工智能程序在测量 Cobb 角方面的可靠性，我们从 XrScl 数据库（测试集 1）[15]中选取了 114 张数字脊柱和胸部 X 光片。该这个数据库包括2500多张图片。因此，我们可以使用不同的数据集来训练和测试系统。我们使用 Microsoft Excel 中的 Bland-Altman 方法检查了程序和放射科医生测量的 Cobb 角的一致性。计算了两种技术的平均差（“系统差”）和 95% 的置信区间（2 个标准差，SD）。仅比较了使用两种技术（放射科医生和人工智能）测量的角度。

在圣彼得堡 City Mariinsky Hospital 机构进行了初步临床和技术试验，以测试将新方案引入医疗实践的可行性。本研究从 City Mariinsky Hospital 和 G.A. Albrecht Federal Scientific and Educational Center for Medical and Social Expertise and Rehabilitation 档案库（测试集 2）中共选取了 120 张射线照片。

通过计算ROC曲线下面积以及敏感性、特异性和准确性等参数，测试了该系统在确定脊柱侧弯程度方面的可靠性。这些参数的计算公式如下（其中 TP、TN、FP 和 FN 分别指真阳性、真阴性、假阳性和假阴性结果）：

• 敏感性 — $\frac{TP}{TP+FN}$;
• 特异性 — $\frac{TN}{TN+FP}$;
• 精确度 — $\frac{TP+TN}{TP+TN+FP+FN}$.

数据集 1 和 2 中的 X 光片由两名放射科医生进行评估，其中一名放射科医生拥有 25 年以上的经验，另一名放射科医生拥有 9 年以上的经验。

结果

研究对象

在测试组 1 中，根据脊柱侧凸的严重程度（根据俄罗斯政府第 565¹ 号法令），将放射线照片分为以下四组：

• - I 度 - 5~10°，16%；
• - II度--11~25°，15%；
• - III度--26~50°，16%；
• - IV 度 - >50°，16%。

在此分类中加入了 “正常 ”组（0 度；<5°， 37%）。此外，还对临床医生和 人工智能系统发现的 179 个角度（5.1~91.3°）进行了分析和比较。

对于该系统的初步临床和技术测试，测试集 2 被分为数量相等的图像组、正常组和病理（脊柱侧弯）组，每组 60 张照片。有脊柱侧弯的照片按照脊柱侧弯的程度（I~IV）分布，每个程度 15 张照片。

研究的主要结果

人工智能和放射科医生的Cobb角测量结果一致，主要体现在I级和II级脊柱侧凸。在这种情况下，测量的平均差异分别为0.10和0.46，SD值分别为1.29和1.73。在所有脊柱侧弯程度的病例中，95%的病例采用两种技术测量的角度相差小于4.5°，但III级脊柱侧弯组除外，其95%置信区间为-6.60°至7.85°。该组患者的 SD 值也最高（3.69°）。每个脊柱侧弯程度数据的统计分析结果如图1和图2（Bland-Altman图）以及表1所示。只有 2.8%的结果在临床上不令人满意（变异度大于 5°）。

图 1. 根据 Bland-Altman 方法进行测量的结果。在脊柱侧凸 I 度和 II 度的 X 光片上使用两种方法测量 Cobb 角的一致性。

图 2. 使Bland-Altman 方法测量的结果。使用两种方法对 IV 度脊柱侧凸的 X 光片进行 Cobb 角测量的一致性。

表 1. 评价不同程度脊柱侧弯两种Cobb角测量方法一致性的统计参数

在 City Mariinsky Hospital（测试集 2）中进行的初步临床和技术试验的诊断准确性评分也证实了该系统在确定脊柱侧弯程度方面的可靠性：

• - 灵敏度为 0.97
• - 特异性为 0.88；
• - 准确性（整体有效性）为 0.93；
• - ROC 曲线下面积为 0.93（图 3）。

图 3. 在 ROC 曲线上确认新人工智能程序在确定脊柱侧弯程度方面的准确性。

人工智能程序分析每张图像的平均时间为 5 秒。获得的结果证实了该系统在确定脊柱侧弯程度方面的有效性。

讨论

研究主要结果概述

这项研究的大部分是在一家医院进行的，作为征兵体检委员会多次体检的一部分，该医院对征兵年龄段的人进行脊柱侧弯检测。因此，根据第 565 号联邦法令对测试集 1 和 2 中的射线照片进行了分类。根据这一分类，脊柱任何小于 10° 的轻微弯曲都被视为一级脊柱侧弯。

从数字脊柱侧凸图自动评估脊柱侧凸的新系统（人工智能程序）可帮助放射科医生快速准确地确定脊柱侧凸的程度并测量 Cobb 角，特别是在大规模脊柱侧弯筛查和医疗机构工作量大的情况下。在这些情况下，放射科医生可以将新的人工智能程序作为诊断脊柱侧弯的客观工具，提高诊断的准确性，因为当医生使用相同的工具时，可以避免结果的可变性。此外，该程序还能大大节省放射科医生分析射线照片所需的时间。此外，人工智能程序计算的 Cobb 角测量结果也令人满意。在大多数情况下，Cobb 角的测量结果没有明显差异。图 4 显示了人工智能的操作示例。

图 4. II 级脊柱侧弯的 X 光图像。人工智能程序（左）和放射科医生（右）对图像进行了分析。放射科医生没有测量胸腰椎曲线，因为图像上看不到下肢椎体。

主要研究结果讨论

拟议的 人工智能程序提供了通过三种不同方法测量柯布角的可能性。所有这些对放射科医生都很有用，尤其是在没有使用标准测量方法的情况下（如在 City Mariinsky Hospital 检查脊柱侧弯时）。确定最倾斜椎体的闭合板非常耗时，而且可能导致获得的结果不一致。因此，客观、自动地确定脊柱侧弯弓的上端和下端椎体（它们之间形成最大的弯曲角度）的可能性对放射科医生的实践非常有用。

此外，人工智能程序允许放射科医生更改她自动完成的椎骨标记程序。这一点非常重要，因为任何标记错误都可能导致最终结果不正确。对结果的进一步分析表明，椎体及其边界的标记不准确会导致 Cobb 角度测量和脊柱侧弯评分的准确性降低。这些错误基本上是在评估低质量图像和胸部X光片上的脊柱侧弯时观察到的。在纵隔器官的背景下，中胸椎的边界通常是不可见的。许多正常的胸部图像（由放射科医生确定为 0 度）被程序识别为 I 级脊柱侧弯，原因是检测到了假阳性曲线（近端或中胸曲线）（图 5）。标记L5椎体的边界时也观察到了另一个常见错误（图 6）。相邻的骨性结构（相邻的骶骨和髂骨）使 L5 椎体的边界难以确定，尤其是其下闭合板。

图 5. 0 度（正常）X 光片上椎体标记的误差。在胸片上，椎体边界不清晰可导致错误的测量结果。

图 6. 0 度（正常）X 光片上的椎体标记错误。L 5 椎体的定义错误可能导致假阳性结果（左图）。

至于评估正常组脊柱侧弯图像的误差，人工智能程序进行的大多数测量都超过了5°角，但也非常接近 5°角。然而，人工智能程序和放射科医生之间测量结果的微小差异导致脊柱侧弯等级发生变化，从 0 度变为 I 度（图 7）。如饼状图（图 8）所示，这些角度大部分（70%）在 5-6° 之间。

图 7. 评估 0 度脊柱侧凸图像时的程序错误。放射科医生（左）和人工智能程序（右）测量的 Cobb 角。测量值的变化可以忽略不计（1.4°），但医生确定的脊柱侧弯度为 0 度，而人工智能确定的是 I 度。

图 8. 人工智能在正常 X 光片上测量的 Cobb 角分布（无脊柱侧弯的 X 光片组）

在大多数情况下，该程序都能准确评估脊柱侧弯（III 级和 IV 级）的 X 光片，但偶尔会出现椎体识别和编号错误或 Cobb 角测量错误。IV 级脊柱侧弯的特点是椎体旋转幅度最大、椎弓根移位超过中线以及椎体变形。在这种情况下，椎骨的正常形状发生了变化，其身体的边界变得不那么清晰（图 9）。

图 9. 脊柱侧弯Ⅲ级和Ⅳ级患者X光片上的椎体标记特征。由于椎体形状不典型，导致椎骨定义和编号错误（黄色箭头）。

在某些情况下，程序诊断 III 或 IV 级脊柱侧弯的准确性并不会受到程序和放射科医生之间 Cobb 角测量值显著差异的影响。通常，在评估继发性脊柱弯曲时会出现此类错误（图 10）。

图 10. 由放射科医生（左）和人工智能（右）诊断的 III 级脊柱侧弯。腰椎曲度测量的显著差异（7.8°）并不影响脊柱侧弯的总体评分。

另一个局限是，拟议的人工智能程序只能用于评估正面射线照片。该程序无法检测侧位X光片和 计算机断层扫描等其他检查中的脊柱弯曲。

放射科医生直接使用该程序可以消除上述大部分错误，因为该程序能够修改椎体标记以获得更准确的结果。即使放射科医生对程序自动进行的脊椎标记进行修改，放射科医生获得结果所需的时间也比传统的 Cobb 法脊柱测量要少得多。此外，我们相信，如果人工智能程序系统能提供更多的数据，未来的脊椎标记可能会更加准确。

结论

自动系统（人工智能程序）可作为一种可靠的客观工具，用于确定脊柱侧弯的程度和测量脊柱正面射线照片上的 Cobb 角，大大节省了放射科医生的时间。可能影响程序结果的主要因素是X线照片的质量和椎骨标记的准确性。在实际使用人工智能程序时可以考虑这些因素，因为放射医师可以调整椎体标记，获得更准确的结果。

ADDITIONAL INFORMATION

Funding source. This study was not supported by any external sources of funding.

Competing interests. The authors declare that they have no competing interests.

Authors’ contribution. All authors made a substantial contribution to the conception of the work, acquisition, analysis, interpretation of data for the work, drafting and revising the work, final approval of the version to be published and agree to be accountable for all aspects of the work. D.Kh.I. Kassab — literature review, collection and analysis of literary sources, writing the text and editing the article, statistical analysis; I.G. Kamyshanskaya — research concepts, data collection, analysis and review of the results, organizing communications between co-authors, writing the text, editing the article; S.V. Trukhan — program creation, research concepts and statistical analysis.

¹ 关于批准《军事医学专家条例》的俄罗斯联邦第565号政府令（2013年7月4日）。访问方式： http://government.ru/docs/all/87900/

作者简介

Dima Kh. I. Kassab

编辑信件的主要联系方式.
Email: DimaKK87@gmail.com
ORCID iD: 0000-0001-5085-6614
SPIN 代码: 4907-7850

MD

Irina G. Kamyshanskaya

Email: irinaka@mail.ru
ORCID iD: 0000-0002-8351-9216
SPIN 代码: 2422-5191

MD, Dr. Sci. (Medicine), Assistant Professor

Stanislau V. Trukhan

Email: stas.truhan@gmail.com
ORCID iD: 0000-0003-0688-0988
俄罗斯联邦, Tver

参考

补充文件

附件文件

动作

1. JATS XML

下载

2. 图 4. II 级脊柱侧弯的 X 光图像。人工智能程序（左）和放射科医生（右）对图像进行了分析。放射科医生没有测量胸腰椎曲线，因为图像上看不到下肢椎体。

下载 (267KB)

索引源数据

3. 图 5. 0 度（正常）X 光片上椎体标记的误差。在胸片上，椎体边界不清晰可导致错误的测量结果。

下载 (181KB)

索引源数据

4. 图 6. 0 度（正常）X 光片上的椎体标记错误。L 5 椎体的定义错误可能导致假阳性结果（左图）。

下载 (166KB)

索引源数据

5. 图 7. 评估 0 度脊柱侧凸图像时的程序错误。放射科医生（左）和人工智能程序（右）测量的 Cobb 角。测量值的变化可以忽略不计（1.4°），但医生确定的脊柱侧弯度为 0 度，而人工智能确定的是 I 度。

下载 (270KB)

索引源数据

6. 图 8. 人工智能在正常 X 光片上测量的 Cobb 角分布（无脊柱侧弯的 X 光片组）

下载 (58KB)

索引源数据

7. 图 9. 脊柱侧弯Ⅲ级和Ⅳ级患者X光片上的椎体标记特征。由于椎体形状不典型，导致椎骨定义和编号错误（黄色箭头）。

下载 (204KB)

索引源数据

8. 图 10. 由放射科医生（左）和人工智能（右）诊断的 III 级脊柱侧弯。腰椎曲度测量的显著差异（7.8°）并不影响脊柱侧弯的总体评分。

下载 (244KB)

索引源数据

9. 图 1. 根据 Bland-Altman 方法进行测量的结果。在脊柱侧凸 I 度和 II 度的 X 光片上使用两种方法测量 Cobb 角的一致性。

下载 (217KB)

索引源数据

10. 图 2. 使Bland-Altman 方法测量的结果。使用两种方法对 IV 度脊柱侧凸的 X 光片进行 Cobb 角测量的一致性。

下载 (237KB)

索引源数据

11. 图 3. 在 ROC 曲线上确认新人工智能程序在确定脊柱侧弯程度方面的准确性。

下载 (60KB)

索引源数据