脊柱信息学中预测建模、影像与电子病历决策支持的整合综述

European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society · 2026-10-22 · 综述

• 一句话结论：结论：叙述性综述提示，AI驱动的脊柱生物医学信息学在诊断准确性、预后判断与个体化决策方面具有较大潜力，但多处于开发或早期验证阶段，尚不足以下结论认为可常规临床使用。
• 研究设计与做法：设计：叙述性综述，经定向PubMed检索选取文献，覆盖深度学习影像分析、影像组学、电子病历自然语言处理与临床决策支持，综合技术开发、验证与临床实施类研究，并讨论可解释性、不确定性、工作流与监管。材料未报告纳入研究数量与检索时限。
• 主要结果：主要结果：材料未报告具体效应量、置信区间或p值；仅定性描述卷积神经网络可完成椎体与椎间盘分割、退变与创伤病理检测及椎旁肌量化，影像组学特征可改善骨质疏松、骨折风险、肿瘤表征与手术结局预测，多模态决策支持显示前景。
• 机制或解释：机制：作者解释为AI可标准化影像解读并提取超越人眼视觉的定量生物标志物，融合影像、电子病历与文本特征实现个体化风险评估；同时强调需可解释、不确定性感知的模型以支撑可信转化。
• 局限与边界：局限：数据异质性、泛化性、隐私与前瞻性验证不足；为叙述性综述，未系统检索与定量合并，选择偏倚难以评估；材料未报告利益冲突与资助信息。
• 可否落地：落地：证据档位为B，提示方向性价值而非确证疗效；临床落地需稳健外部验证、可解释与不确定性报告、监管对齐及工作流整合；科研应优先开展前瞻性多中心验证与标准化报告。

🔗 打开原文

Phadke R, Salman S, Matthews B 等

本文摘自《每日前沿研究简报 · 2026-10-25》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。