📄 medicine

Quantitative Radiographic Assessment of Medial Tibial Rim Osteophyte Morphology in Knee Osteoarthritis: Association with Kellgren-Lawrence Grade

这项回顾性研究表明，在经过筛选的队列中，利用 ImageJ/Fiji 提取的内侧胫骨边缘曲率指标具有可行性，且与 Kellgren-Lawrence 分级显著相关，尽管目前它们仅作为辅助描述符，在临床部署前仍需进一步验证。

原作者： Xiaolu Ren, Muhammad Nur Salihin Yusoff, Nur Hartini Mohd Taib, Fattah Rahiman Ghazali, Ting Li, Si Ma

发布于 2026-08-07

📖 1 分钟阅读☕ 轻松阅读

原作者： Xiaolu Ren, Muhammad Nur Salihin Yusoff, Nur Hartini Mohd Taib, Fattah Rahiman Ghazali, Ting Li, Si Ma

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你的身体就像一座繁忙的城市，而你的关节就是道路交汇的繁忙路口。随着时间的推移，尤其是当我们变老时，这些路口可能会变得有些磨损。通常作为骨骼之间缓冲器的平滑软骨会变薄，这种情况被称为骨关节炎。这就像是沥青路面出现了裂缝，路标也变得模糊不清。为了弄清楚损伤程度如何，医生通常会拍摄 X 光片，它们就像是骨骼的黑白快照。他们使用一种叫做 Kellgren-Lawrence (KL) 的特殊评分系统，这基本上是一份从 0（完美光滑）到 4（非常粗糙且受损）的成绩单。

但问题的关键在于，观察这些 X 光片有点像仅仅通过一张照片来判断蛋糕的品质。医生必须去猜测边缘有多“颠簸”，而且有时，不同的医生可能会给同一个蛋糕打出略有不同的分数。他们知道蛋糕变得越来越粗糙了，但他们并不总能精确地测量出这些颠簸到底有多“凹凸不平”，或者这些凸起是否在以有趣的方式改变形状。科学家们一直在寻找更好的方法来测量这些凸起——被称为骨刺（osteophytes）——以便更好地理解这种疾病。他们希望将一个“看起来挺颠簸”的猜测变成一个精确的数字，就像测量海浪的确切高度，而不是仅仅说“这是一波大浪”。

这正是研究人员在一项新研究中所致力于做的事情。他们想看看是否可以使用计算机程序，以极高的精度来测量膝盖骨骼微小的锯齿状边缘，而不是仅仅给出一个笼统的分级。他们将目光集中在膝关节内侧的胫骨边缘（medial tibial rim）。他们不再只是询问“是否有凸起？”，而是询问：“这个凸起的曲率如何？它是一个尖锐、突然的尖峰，还是一个长而平缓的小丘？以及这个形状沿边缘变化的程度是多少？”

为了实现这一点，他们从一家医院的数据库中提取了 100 张膝盖 X 光片。这些并非随机挑选的膝盖；研究人员精心挑选了五个 KL 等级（0 到 4）中每个等级各 20 个膝盖，以确保拥有一个包含健康、轻微受损和严重受损膝盖的完美组合。他们使用了一个名为 ImageJ/Fiji 的免费开源软件工具，它就像是用于处理图像的数字瑞士军刀。一名人工操作员在屏幕上描绘出骨骼边缘的轮廓，然后计算机就会计算两个主要指标：曲线的“平均尖锐度”（平均曲率）以及曲线摆动或变化的程度（曲率方差）。他们还测量了所描绘线条的长度，以确保是在进行同类比较。

结果非常有趣。计算机能够成功测量每一个膝盖骨边缘的形状。研究人员发现，这些新的“曲率”数值确实与 KL 等级相关联。具体来说，随着疾病的恶化，骨骼边缘的形状也会发生变化。最明显的区别出现在健康膝盖（Grade 0）和任何带有骨关节炎的膝盖（Grades 1 到 4）之间。健康膝盖的边缘更光滑、曲率更小，而患有骨关节炎的膝盖则有更尖锐、更多变的凸起。

然而，故事在观察不同损伤程度时变得更加微妙。虽然计算机可以轻松分辨出健康膝盖和患病膝盖，但在区分“轻度”骨关节炎膝盖（Grade 1）和“重度”骨关节炎膝盖（Grade 4）时却显得有些吃力。数值会有所上升或下降，但它们并没有形成一个完美的阶梯，即 Grade 1 明显低于 Grade 2，而 Grade 2 又低于 Grade 3，以此类推。这就像是一个工具很擅长告诉你一条路是铺设过的还是布满坑洼的，但它还没准备好去分辨这些坑洼是小、中还是大。

研究人员还检查了他们的方法是否可靠。一名操作员在两周后，在不知道之前操作内容的情况下，两次描绘了同一组膝盖。结果非常一致，这表明如果谨慎使用此方法，每次都能得到相同的结果。但他们也非常谨慎地指出，这仅仅是一个人在进行描绘；他们尚未测试不同的人是否会得到相同的结果。

最后，这项研究表明，测量骨边缘的确切形状和“摆动性”是增加我们对膝骨关节炎理解深度的一种可行且充满前景的方法。它提供了一种新的、客观的方式来描述骨骼的几何形状，超越了标准的“0 到 4 级”系统。然而，作者也谨慎地表示，这并不是什么灵丹妙药。他们强调，这个工具最好作为现有分级系统的辅助工具，而不是替代品。它可以清晰地识别出健康膝盖与受损膝盖的区别，但目前还无法完美地对不同阶段的损伤（从轻度到重度）进行分类。在医生能在现实世界中使用这种方法之前，还需要更多的测试，以观察不同的人是否能得到相同的结果，以及这种方法是否能预测患者膝盖随时间变化的趋势。目前，这是一个引人入胜的新视角，帮助我们看到关节中隐藏的几何结构，将简单的 X 光片转化为一张由微小可测曲线组成的地图。

技术摘要：胫骨内侧缘骨赘形态的定量放射学评估

问题陈述
膝关节骨性关节炎（KOA）是导致肌肉骨骼功能障碍的主要原因，常规放射影像学是其结构评估的主要影像手段。疾病严重程度通常使用 Kellgren–Lawrence (KL) 分级进行总结，这是一种定序、半定量的量表。然而，KL 分级存在公认的局限性，包括在表征结构异质性方面的粒度有限、对纵向变化的敏感性中等以及存在阅片者依赖性。虽然定量放射学研究已大量集中于关节间隙变窄，但对骨赘形态的定量表征研究仍显不足。现有系统通常依赖基于大小或定序的评分，未能捕捉到骨赘的方向性和局部几何变化。本研究旨在解决如何利用源自常规负重放射影像的基于曲率的描述符来量化局灶性骨赘轮廓几何形状的问题。

方法学
本项回顾性单中心影像学方法研究利用了一个经过筛选、按等级分层的队列，包含 100 例后前侧（PA）负重膝关节放射影像（每个 KL 等级 20 膝，涵盖等级 0 至 4）。该队列的构建旨在支持特征评估的平衡性，而非反映自然临床患病率。

数据策展与参考标准： 从机构档案（2023 年 1 月–2024 年 12 月）中筛选放射影像。应用了严格的共识协议：三名资深放射科医师独立对每幅图像进行分级。仅保留三名阅片者均给出相同 KL 等级的病例作为“符合共识候选”，差异病例将被排除以减少参考标签噪声。
图像处理与轮廓提取： 使用 ImageJ/Fiji，定义了一个预设的解剖窗口（胫骨平台边缘的内侧三分之一处）。确定了一个“顶点锚点”（最突出的凸点）。受过培训的分析人员在盲法下（不知晓 KL 标签）使用 Freehand Line 工具，在预设窗口内手动描绘外侧皮质边缘。
曲率提取： 对描绘的轮廓进行样条平滑处理以减少数字化噪声。使用 Kappa Curvature Analysis 插件计算逐点曲率指标。主要描述符包括：
- 平均曲率 ( $\kappa_{mean}$ )： 代表整体轮廓的锐利度（mm⁻¹）。
- 曲率方差 [Var( $\kappa$ )]： 代表局部不规则性（mm⁻²）。
- 实现的可分析轮廓长度 ( $L_{segment}$ )： 作为质量控制协变量纳入，以解释由于解剖结构或可见度导致的、而非直接反映骨赘大小的描绘范围变化。
统计分析： 使用协方差分析 (ANCOVA) 评估 KL 等级与曲率指标之间的关联，并将 $L_{segment}$ 作为协变量。通过对 25 例放射影像进行的分层子集评估，使用组内相关系数 (ICC) 评估观察者内重复性。

关键结果

可行性与重复性： 在所有 100 例膝关节中均成功提取了曲率指标。观察者内重复性良好： $\kappa_{mean}$ (ICC = 0.81)，Var( $\kappa$ ) (ICC = 0.76)，以及 $L_{segment}$ (ICC = 0.88)。
轮廓长度 ( $L_{segment}$ )： $L_{segment}$ 在不同 KL 等级间存在显著差异 ( $P < 0.001$ )，随严重程度增加而增加，支持了其作为反映可描绘范围而非主要形态学终点的协变量的角色。
曲率关联性： 在调整 $L_{segment}$ $L_{se g m e n t}$ 后，KL 等级仍与两种曲率指标显著相关：
- $\kappa_{mean}$ ： 显示出显著关联 ( $P < 0.001$ )。调整后的值从 KL 等级 0 到等级 2 呈上升趋势，随后在等级 3 和 4 中轻微下降。
- Var( $\kappa$ )： 显示出显著关联 ( $P = 0.018$ )。调整后的值在较高的 KL 等级中普遍增加，在等级 4 时达到最高均值。
判别能力： 在 KL 等级 0 与所有更高等级（1–4）之间的两两判别能力最强。在经过多重比较校正后，等级 1 至 4 之间的区分度有限，且往往在统计学上不显著。
单调趋势： Spearman 相关性表明，KL 等级与 $\kappa_{mean}$ ( $\rho = 0.28$ ) 及 Var( $\kappa$ ) ( $\rho = 0.38$ ) 之间存在弱正相关。

意义与主张
本文声称，曲率衍生描述符通过易于获取的开源 ImageJ/Fiji 工作流，能够从常规放射影像中可行地提取，并且在考虑了可分析轮廓长度后，与共识定义的 KL 等级相关。

作者将这些指标定位为辅助性的局部轮廓描述符，而非既定分级系统的替代品。研究表明，定量分析可以捕捉到与全局定序分级不同的局部几何变化（锐利度和不规则度）。然而，作者明确指出，在现阶段，这些指标不应被解释为经过验证的诊断、预后或 KL 分级生物标志物。研究结果受限于一个经过共识确认的、经过策展的方法学队列，并不代表在未筛选临床人群中的表现。

局限性与未来方向
研究承认了以下几点限制：

队列偏差： 平衡且仅基于共识的设计可能会过度代表典型病例，而低估了处于边缘或模糊状态的等级。
操作者依赖性： 轮廓描绘为手动完成；虽然观察者内重复性良好，但未评估观察者间重复性。
维度问题： 测量值是基于 DICOM 元数据的 2D 投影，而非绝对的 3D 解剖维度。
横断面设计： 未评估纵向响应性和预后价值。

作者总结道，未来的工作必须优先进行观察者间重复性测试、针对阅片者存在分歧病例的评估、多中心验证以及纵向评估，之后才能将这些指标应用于临床或研究环境。

类似论文