Benchmarking longitudinal local centiles for radiographic knee osteoarthritis prognosis
本研究表明，将软骨厚度置于常模生长图表中进行背景化处理的纵向局部百分位数图，在预测 12 个月和 24 个月时发生的放射学膝关节骨关节炎方面，显著优于传统的影像学特征和原始深度学习图谱。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
骨关节炎是一种缓慢、磨损性的关节损耗，影响着全球数亿人。几十年来，医生一直依赖 X 光片来诊断这种疾病，寻找骨骼之间间隙变窄的典型征兆。然而，等到 X 光片显示出损伤时，关节往往已经遭受了显著的结构性损害。为了更早地发现该疾病，研究人员转向了磁共振成像（MRI），因为 MRI 可以观察到缓冲关节的软组织——软骨。挑战在于，软骨的厚度会根据年龄、体型和性别在不同人之间自然变化。对于一个人来说看起来很薄的软骨层，对另一个人来说可能完全正常，这使得识别个体患者细微的早期疾病征兆变得十分困难。
来自北卡罗来纳大学及其他机构的一个研究小组开发了一种新的图像观察方法，能够消除这种困惑。他们不再询问一个膝盖的软骨仅仅是厚还是薄，而是提出了一个更具体的问题：对于这个特定的人、在特定的时间，其软骨是比应有的更薄还是更厚？为了回答这个问题，他们建立了一套庞大的参考图表，类似于儿科医生为儿童使用的生长发育图表，只不过这是针对成年人膝盖软骨的。他们分析了来自近千人的数千份 MRI 扫描图像，这些人的膝盖在多年内都保持健康。利用这些数据，他们创建了一张地图，可以根据一个人的年龄、体重和其他特征，精确预测其膝盖表面每个微小点位上软骨应有的厚度。
随后，研究人员将这张地图应用于那些后来会发展出骨关节炎的人群。他们将这些患者实际的软骨厚度与来自参考图表的“预期”厚度进行了对比。这一过程揭示了一种偏差模式：在患者的 X 光片显示出疾病迹象的前几年，其软骨就已经比参考模型所预测的要薄了。至关重要的是，团队发现观察患者的历史记录才是关键。通过将当前的扫描结果不仅与普通人群进行比较，还与该患者早期的扫描结果进行比较，他们可以区分出谁是天生软骨较薄的人，以及谁的软骨是近期正在恶化的。这种纵向方法（即追踪个体随时间的变化）被证明比观察单一的时间切片要强大得多。
当团队将他们的方法与其他先进技术（包括分析纹理的复杂计算机算法和扫描图像以寻找隐藏模式的深度学习系统）进行对比测试时，他们的方法脱颖而出。利用超过 5,000 份扫描数据，他们建立了预测模型，以观察谁会在一到两年内发展出放射学上的骨关节炎。使用这些“纵向百分位数”图表（本质上是显示软骨如何偏离预期常态的图表）的模型表现出了最高的辨别力。对于预测一年内的发病情况，最佳模型达到了 0.954 的 AUC；而对于预测两年内的发病情况，则达到了 0.969 的 AUC。这些结果显著优于那些依赖标准测量值、原始图像数据或忽略患者病史的横断面比较的模型。
该研究还强调了可解释性的价值。虽然一些最准确的模型使用了难以理解的复杂“黑箱”计算机系统，但研究人员也创建了一个使用区域剖面的更简单的版本。这些剖面总结了软骨意外变薄的大小和位置。这使他们能够精准定位哪些部位的膝盖处于风险之中，例如胫骨和股骨的中央承重区域，从而提供了一个清晰的解剖学解释。研究人员发现，虽然复杂的计算机模型略微准确一些，但简单的区域剖面提供了几乎相当的性能，同时更容易被医生理解。
尽管取得了这些成功，研究也指出，该方法在预测三年时间线方面并未产生一致性的提升，这可能是因为在那么长的时间跨度内，发展出疾病的患者群体较小且难以追踪。研究人员还强调，他们的发现是基于特定人群的，该方法在进入日常临床实践之前，需要在不同的人群中进行进一步测试。尽管如此，这项工作表明，通过将对人类正常差异的深刻理解与患者自身的病史相结合，我们有可能在标准 X 光片显示出病变之前，就捕捉到关节疾病最早的细微征兆。这种方法将静态图像转化为关于变化的动态叙事，为在骨关节炎造成不可逆转的损害之前将其捕捉到，提供了一个潜在的新工具。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。