BoneAgeTW2: Automated Skeletal Maturation Assessment via the Tanner-Whitehouse 2 Method, Deep Learning, and Clinical Report Generation with Distribution Curves

想象一下你的身体是一个建筑工地，而你的骨骼就是正在搭建的钢梁。虽然你的生日告诉你你在工地上干了多少年，但你的骨骼有自己的内部时钟，以自己的节奏生长和硬化。有时这个生物时钟跑得快，有时跑得慢，医生需要了解其中的差异，以帮助有生长问题的儿童，或了解青少年还有多少生长时间。几十年来，检查这个“骨骼时钟”的金标准是一种被称为 Tanner-Whitehouse 2 (TW2) 的方法。这就像一位总建筑师在检查手部和腕部的 20 根特定的钢梁，检查每一根是否仍然柔软且在生长，或者是否已经完全硬化。这种检查极其详细，但也极其缓慢，需要人类专家在每个患者身上花费 10 到 20 分钟，即便如此，两位专家对结果的判断也可能存在高达一年的偏差。

现在，出现了一个旨在提高效率且不失细节的数字工具。这篇论文介绍了一种名为 BoneAgeTW2 的人工智能系统，它就像一个超快、不知疲倦的放射科医生学徒。该系统不仅仅是猜测一个孩子的骨龄数字，而是模仿人类专家的精确过程。它查看手部 X 光片，找到 2 0 根特定的骨骼，并为每一根分配一个成熟阶段，就像人类做的那样。随后，它通过计算得出最终的年龄估计值，并附带置信区间和一个视觉报告，展示每块骨骼是如何与该年龄段的平均水平进行对比的。其目标不仅是快速，更是透明——为医生提供一个清晰、循序渐进的分解过程，解释系统为何得出该结论，而不是给出一个神秘的“黑箱”答案。

问题所在：缓慢的人工方式

长期以来，检查儿童的骨龄有点像在阅读一张非常复杂的、手写的地图。Tanner-Whitehouse 2 (TW2) 方法是拉丁美洲和欧洲广泛使用的地图。要阅读它，放射科医生必须观察手部 X 光片，并识别出 20 根特定的骨骼，从手指中的长骨到腕部像拼图碎片一样的小骨头。对于每一根骨骼，他们必须决定其处于哪一个“成熟阶段”，范围从柔软的早期阶段 (A) 到完全硬化的成年阶段 (I)。

一旦他们完成了所有 20 根骨骼的评分，就必须使用专门的表格进行加分，以得出最终的“骨龄”。为了使结果具有意义，他们通常会绘制钟形曲线（高斯分布），以观察特定的骨骼是进度超前还是滞后。问题在于？整个过程在每个患者身上需要耗费 10 到 20 分钟。这需要多年的培训，而且由于其高度依赖人工，两位不同的医生可能会对同一张 X 光片给出不同的答案，差距有时高达 12 个月。虽然目前有一些商业化工具可以“猜测”骨龄，但它们价格昂贵、源代码封闭（你无法看到其工作原理），并且通常只吐出一个数字，而不展示背后的推导过程。

解决方案：BoneAgeTW2

本文作者构建了 BoneAgeTW2，这是一个能够自动化整个 TW2 工作流的开源系统。你可以把它想象成一条数字装配线：X 光片从一端进入，不到 5 秒钟后，一份完整的临床报告就会从另一端产出。

以下是这台机器的工作步骤：

1. 设置阶段： 首先，系统会对 X 光图像进行清理。它会检查数字文件以确定图像是否被放大（例如像隔着窗户拍照那样），并自动纠正尺寸。它还会翻转图像（如果是右手，则确保计算机始终以“左手”视图进行观察），以符合其训练数据的设定。
2. 寻找骨骼： 利用名为 YOLOv8 的智能检测器，系统会搜寻手部 20 根特定的骨骼。它会在每根骨骼周围画一个框，就像用荧光笔标记出放射科医生需要检查的位置一样。
3. 分类阶段： 这是最难的部分。系统需要知道每根骨骼处于哪个阶段（A 到 I）。由于训练数据并没有为每一根骨骼都标注阶段标签，作者使用了一种巧妙的技巧，称为“伪标签”（pseudo-labeling）。他们利用患者已知的骨龄来推测每根骨骼最可能的阶段，从而创建了一个训练集。然后，他们训练了一个带有 20 个不同“头部”的深度学习模型 (EfficientNet-B3)，其中每一个“头”都是针对特定骨骼的专家。
4. 评分阶段： 一旦系统确定了每根骨骼的阶段，它就会严格按照官方 TW2 规则进行加分。它会分别计算长骨 (RUS) 和腕骨 (Carpal) 的得分。
5. 生成报告： 最后，它生成一份完整的报告。这不仅仅是一个数字。报告包含一张带有 20 个标记框的注释图像、一张显示每根骨骼得分的表格，以及——这也是最酷的部分——交互式钟形曲线。这些曲线能向医生展示患者的骨骼在人群平均水平中的具体位置。如果某块骨骼发育迟缓，医生可以看到曲线的峰值远在患者实际年龄的左侧。

该系统实现了什么（以及没有实现什么）

论文将 BoneAgeTW2 描述为一个成功实现了整个 TW2 流程自动化的系统，从原始图像到可下载的 PDF 报告一气呵成。该系统设计为可以在标准计算机硬件 (CPU) 上运行，耗时不到 5 秒，如果在图形显卡 (GPU) 上运行则会更快。

作者在处理准确性方面保持了谨慎。他们承认，由于系统必须遵循 TW2 方法严苛的逐步规则（使用离散的阶段如 A、B、C），它可能不像那些直接猜测数字的“黑箱”AI 系统那样在数学上极其精确。事实上，他们预计该系统的误差（平均绝对误差）可能会比那些简单的 AI 模型略高。然而，他们认为这是一个良好的权衡。目标不仅仅是成为最精准的数字计算器；目标是实现可解释性。

通过将答案分解到每一块骨骼，该系统允许医生观察到究竟是哪些骨骼导致了发育延迟或超前。如果一个孩子的骨龄偏低，医生可以通过报告看到：“啊，桡骨处于 F 阶段，但尺骨处于 E 阶段”，这比单纯的一个数字能提供更清晰的患者状况图景。

“钟形曲线”功能

BoneAgeTW2 最独特的特征之一是其数据可视化方式。对于 20 根骨骼中的每一根，系统都会绘制一条钟形曲线。想象一个图表，横轴是年龄，曲线显示了某种骨骼阶段在不同年龄时的普遍程度。

• 如果患者的骨骼处于“E”阶段，系统会突出显示“E”曲线。
• 然后，它会画出一条代表患者实际年龄的垂直线。
• 如果这条线位于曲线峰值的右侧，医生就知道这块骨骼是“延迟”的（它的表现比实际年龄更年轻）。
• 如果线在左侧，则表示骨骼“超前”。

这种通常需要手工绘制或因时间限制而被省略的视觉工具，现在会为每块骨骼自动生成，从而提供了关于儿童骨骼成熟度的丰富且详细的视图。

总结

BoneAgeTW2 是一个概念验证系统，它将 Tanner-Whitehouse 2 方法中细腻、类人的推理逻辑带入了数字时代。它并不取代放射科医生；相反，它充当了一个强大的助手，承担了寻找骨骼、评分和绘制图表等繁重工作，且仅需几秒钟即可完成。作者强调，这是一个决策支持工具，仍需由合格的医生进行审核，因为系统所依赖的训练数据可能无法完美匹配所有人群（例如这项研究起源的哥伦比亚儿童）。

虽然该系统尚未成为一种可以应用于每家医院的“成熟”医疗设备，但它证明了在保持逻辑透明的同时，实现复杂且手动化的医疗协议自动化是完全可能的。它将一个需要专家操作、耗时 20 分钟的任务，变成了一个 5 秒钟即可完成的过程，并能生成一份如此详尽的报告，让医生能够看清 AI 是如何逐一分析每块骨骼并得出结论的。