人工智能助力精准预测膝骨关节炎恶化风险

一项新研究显示，一种结合MRI影像、生物化学标志物和临床信息的AI辅助模型，在预测膝骨关节炎病情进展方面展现出显著潜力。该模型由重庆医科大学的王婷（Ting Wang）及其团队开发，并发表于《PLOS Medicine》期刊。 膝骨关节炎是一种常见退行性疾病，全球约有3.031亿患者，其特征是膝关节软骨逐渐磨损，导致疼痛、僵硬，严重时需进行人工膝关节置换。目前，准确预测疾病在短期内是否会恶化，对于实现及时干预和个性化治疗至关重要。已有研究表明，整合多种数据类型——如MRI影像、临床评估以及血液和尿液中的生物标志物——有助于提升预测能力。 然而，将这三类数据统一纳入单一预测模型的研究仍较为罕见。为此，研究团队利用美国国立卫生研究院骨关节炎生物标志物联盟的数据库，分析了594名膝骨关节炎患者的长期数据，包括2年内的1753次膝关节MRI扫描、生物化学检测结果和临床信息。 研究人员借助人工智能技术，使用一半数据训练模型，另一半进行验证。该模型被命名为“负重组织影像组学加生物标志物与临床变量模型”（LBTRBC-M）。测试结果显示，该模型能有效预测患者未来两年内是否出现疼痛加重、关节间隙变窄（结构恶化指标）、两者同时出现，或病情无进展。 更值得关注的是，研究还让七名住院医师在使用该模型辅助判断后，预测准确率从原先的46.9%提升至65.4%。 研究团队指出，这一AI模型通过深度学习整合纵向MRI影像组学与生物标志物，显著提升了对膝骨关节炎进展的预测能力，有望推动更早、更精准的个体化治疗。尽管仍需在更大人群和不同人群中进一步验证，但该成果标志着人工智能在骨科疾病管理中的重要进展。研究合作者、丁长江教授表示，这项工作展示了AI如何从复杂医学数据中提取具有临床意义的信息，为肌肉骨骼健康领域带来新可能。