近日，上海交通大学医学院附属第九人民医院骨科赵长清教授团队在脊柱外科杂志发表题为“青少年特发性脊柱侧凸人工智能自动Lenke分型模型的验证研究:一项基于文献的分析”的研究论文。本研究采用思浦奈医疗科技(上海)有限公司研发的睿脊(SpineSight )图像处理软件研究建立AI模型测量AIS患者Cobb角并进行Lenke分型，评估其在临床实践中的可行性和实用性。
本研究开发人工智能模型用于自动测量青少年特发性脊柱侧凸（AIS）的Cobb角并进行Lenke分型，旨在提升测量效率与一致性。尽管AI方法（如CNN）与手动测量结果具有可接受的一致性，但临床推广仍面临“黑箱诊断”和医疗责任等挑战。研究强调，增强算法可解释性并允许人工验证调整，有助于提高临床医生对自动化测量的信任，促进其在实践中的应用。
1.文献检索
纳入标准:①AIS诊断明确，具有明确的Lenke分型;②患者年龄10~20岁;③影像学资料清晰且完整。
排除标准:①图像拍摄或拼接质量差;②骨盆严重倾斜;③既往有脊柱手术史。
根据上述标准，终筛选出7篇文献,包括14例病例,其中男1例、女13例,年龄为(14.88±2.55)岁，所有病例的影像学资料被用作验证集，以评估 Cobb角测量及Lenke分型的准确性。
2.模型构建
2.1.关键点检测
本研究基于“睿脊（SpineSight）”图像处理软件，开发了一种用于自动测量脊柱参数的人工智能模型。该模型的核心采用了非对称的编-解码网络结构。其中，编码器基于RepVGG-A1架构，通过在训练阶段引入类似ResNet的快捷连接来保证梯度流畅传播，而在推理阶段则等效为一个高效的VGG式卷积网络。整个模型参数量约为13M，兼顾了强大的特征提取能力与实时推理速度。
模型具体执行两个关键任务：一是生成椎体的逐像素分割掩膜，二是预测每个椎体像素点与其四个角点之间的偏移量。在训练中，分割任务使用二值交叉熵损失函数进行监督学习，而角点回归任务则采用smooth L1损失函数进行优化。在预测阶段，算法综合分割掩膜和预测的偏移量，终计算出精确的椎体角点坐标。
性能验证结果表明，该模型在站立位脊柱全长X线片上定位椎体角点的平均径向误差（MRE）在正位和侧位片上分别仅为1.24毫米和1.28毫米，且在2毫米误差范围内的成功检测率（SDR）均高达90.46%和88.93%。此外，在椎弓根分割任务中，其Dice相似系数（DSC）达到0.83，进一步证实了模型在脊柱影像分析中具有高精度和良好的临床实用性。
2.2.Cobb角测量
本研究基于Lenke分型确定Cobb角测量区域，通过AI模型识别脊柱全长正位及侧曲位X线片的椎体角点，自动计算各区域Cobb角。采用Bland-Altman分析评估一致性。结果显示，自动测量与手动测量的一致性优秀（ICC>0.86），主弯Cobb角的平均绝对误差和均方根误差均较小，且测量差异在临床可接受的5°范围内，证明了该自动化方法在分型和测量中的可靠性与实用性。
2.3.Lenke分型
本研究利用AI模型自动测量Cobb角及矢状面参数，对患者进行Lenke主分型以及腰椎冠状面（A/B/C型）、胸椎矢状面（-/N/+型）修正分型。通过外部数据集验证，该模型在三种分型上的准确率分别达到89%、89%和96%，证实其自动分型系统具有高准确性，为临床提供了可靠工具。
3.统计学处理
本研究采用SPSS、GraphPad Prism和PyCharm软件进行统计分析。计量资料经Shapiro-Wilk正态性检验后，以均值±标准差表示，组间比较采用t检验。通过组内相关系数评估可靠性，以平均绝对差异及其标准差衡量绝对一致性，并利用Bland-Altman图分析一致性与系统性偏差。AI模型的分类性能通过混淆矩阵相关指标（准确率、精确度、召回率等）进行评价。以P<0.05为差异具有统计学意义。
本研究通过对文献中14例患者数据（涵盖Lenke 1、2、3、5、6型）的外部验证，评估了AI模型的性能。结果显示，AI模型对主胸弯（MT）的自动测量结果（20.4°~62.09°）与文献报道（20°~62°）无显著差异（P>0.05），且可靠性（ICC=0.95）。Bland-Altman分析证实了二者良好的一致性。
在分型方面，AI模型对Lenke主分型的准确率达到100%。对于腰椎冠状面修正分型（A/B/C）和胸椎矢状面修正分型（-/N/+），模型的准确率分别为90.91%和81.82%。个案验证进一步表明，AI模型在端椎、顶椎识别及各弯型Cobb角测量上与文献结果完全一致。
尤为重要的是，该模型展现出极高的效率，完成从图像导入到生成完整测量结果及分型的总时间仅需约25秒，远快于人工测量的30-400秒，充分证明了其在临床实践中提升诊断效率的巨大潜力。
本研究验证了一种基于AI的自动化模型在青少年特发性脊柱侧凸（AIS）诊断中的应用价值。该模型通过关键点检测技术精准定位椎体角点，实现了Cobb角的自动测量和Lenke分型。
结果显示，AI模型在主胸弯（MT）的Cobb角测量上与文献数据高度一致，组内相关系数（ICC）达0.95，展现出优秀的测量可靠性。在分型方面，模型对Lenke主分型的准确率达到100%，对腰椎冠状面修正分型和胸椎矢状面修正分型的准确率也分别达到90.91%和81.82%。尤为突出的是其效率优势，完成全流程测量与分型仅需约25秒，显著快于人工测量。
尽管该模型在面对图像质量差异及上胸椎区域因解剖结构重叠带来的挑战时仍保持了较高准确性，研究也指出了其局限性，包括验证集样本量有限且未能涵盖所有罕见侧凸亚型，这限制了模型的泛化能力。
综上所述，该AI模型为AIS的精准、高效诊断提供了可靠工具，有望在未来临床实践中优化工作流程并辅助治疗决策。后续研究需要通过更大样本和更全面的病种覆盖来进一步提升其普适性。
SPINEX脊柱外科全息智能诊疗平台
