AI助力腰椎间盘退变更精准评断，上海中医药大学

深度学习图形分割网络训练与椎间盘退变量化方法示意图

近日，上海中医药大学王拥军教授与上海大学田应仲教授合作，在人工智能医学影像识别与量化方面取得新进展，建立了基于深度学习的腰椎间盘退变自动量化评估新方法，研究成果“基于深度学习的MRI腰椎间盘退变高精度定量研究于2月11日发表在《自然-通讯》（Nature Communications）杂志上。

全球范围内，腰痛作为一个重大的公共卫生问题，给个人和社会带来沉重的负担。腰椎间盘退变被认为是引发慢性腰痛的重要因素，也是评估腰椎退行性病变的早期临床表型。T2加权MRI可清晰反映不同程度的腰椎间盘退变，包括椎间盘髓核含水量下降和椎间盘高度塌陷。然而，相关影像研究和临床实践大都局限于定性分析或半自动的定量分析，导致相应椎间盘参量测量的一致性和效率存在局限，因此如何高精度的自动定量椎间盘多项参量，一直是国际上非常具有挑战性的研究课题之一。

针对这一难题，该团队通过多学科交叉融合，率先开发出基于深度学习语义分割网络的椎间盘退变量化分析算法——BianqueNet。基于该算法极高的精准度，团队对全国4个城市共计1051例人群进行横断面研究，结果表明椎间盘内信号差异与椎间盘退变等级显著相关；再结合对不同人群基线特征（年龄、性别、椎间盘节段）构建不同椎间盘退变等级的参量标准，从而实现不同人群的精准化椎间盘退变自动量化评估，对椎间盘表观遗传学及经筋失衡研究具有很重要的指导价值。

该工作面向慢性颈腰椎退行性病变评估的临床需求，融合人工智能前沿技术，结合表型组学理念，给颈腰椎退行性病变的诊断和评估提出了精准高效的新方法，提升医学影像数据的利用度，为慢性筋骨病的临床诊疗提供了规范化的范式，进一步指导椎间盘退变的防治以及手术与非手术时间窗的建立，更好地实时动态、无创精准指导手术及非手术治疗与康复方案的评估与实施。

该文章得到国家自然科学基金重点项目（批准号：）等资助。

*文汇独家稿件，转载请注明出处。

文章来源：《上海中医药大学学报》 网址: http://www.shzyydxxb.cn/zonghexinwen/2022/0218/1824.html