解剖学报

作者：黄顺发,苏志虹,林冲,李晓霞,李琪虹,姚伟根

单位：1.复旦大学附属中山医院厦门医院放射诊断科，厦门361015； 2.中国人民解放军陆军第七十三集团军医院超声医学科，厦门361001； 3.宁波大学附属阳明医院放射科，浙江 余姚315400

关键词：人工智能；骨质疏松性椎体骨折；影像评估；深度学习；回顾性分析；人

基金：厦门市影像医学临床医学研究中心项目（厦科联〔2022〕16号）

目的： 探讨人工智能（AI）技术在骨质疏松性椎体骨折（OVF）影像评估中的准确性、效率及临床应用潜力，为优化骨折早期诊断和分级提供客观依据。方法回顾性分析100例OVF患者和300例正常对照的胸部CT影像数据，采用AI辅助诊断系统与影像医师双盲独立评估模式，分别对病例组和对照组胸部CT片第1胸椎（T1）至第1腰椎（L1）进行评估，以3位资深放射科医师共识为金标准，对两种方法进行一致性分析及效率对比。结果： AI系统与放射医师组在椎体骨折识别上具有高度一致性κ = 0.83（95% CI: 0.76~0.90）。其中，AI对椎体骨折的灵敏度达94.2%，与医师组（86.7%）差异有统计学意义（P<0.05），AI完成单例全胸椎CT分析耗时（16.6±3.2）s，显著短于医师组（89.7±21.4）s（P<0.001）。在AI预筛基础上进行针对性复核，使医师平均阅片时间减少81.5%。结论Genant半定量技术目测法存在重复性差的问题。将人工智能软件（如uAI Spine Analyzer）应用到椎体骨折评估中，可以帮助放射科医生提升读片效率，有效提高椎体骨折的诊断率，尤其在早期轻度骨折识别中表现突出，可作为临床辅助诊断的有效工具，借此密切监测骨健康，对实现“健康老龄化”战略目标具有积极意义。

来源：2026年第1期

《解剖学报》期刊编辑部

查看解剖学报杂志2026年第1期