摘要
人工神经网络（ANN）已被广泛应用于现实世界中，并在医学的各个分支中成为一个有前途的领域。本综述旨在确定神经网络在脊柱疾病中的作用。搜索策略设置为以下关键词的组合：“人工神经网络”、“脊柱”、“背痛”、“预后”、“分级”、“分类”、“预测”、“分割”、“生物力学”、“深度学习”和“成像”总结了纳入研究的主要发现，重点介绍了脊柱疾病的最新进展及其在诊断和预后程序中的应用。我们的综述指出了人工神经网络在脊柱疾病治疗中的一些应用，包括：（1）诊断和评估下腰痛患者的脊柱疾病进展、围手术期并发症和脊柱手术后再入院率；（2） 增强从影像学图像中提取的临床相关信息，以自动预测磁共振图像上的Pfirrmann分级、Modic变化和椎管狭窄分级；（3） 预测腰椎管狭窄症、腰椎间盘突出症和患者报告的腰椎融合手术结果，以及术前计划和术中协助；及其在脊柱疾病生物力学评估中的应用。
介绍
人工神经网络是一个很有前途的领域，在医学的各个分支中有着广泛的应用，它作为一种决策支持工具，为时间和资源管理提供经济的解决方案。此外，人工神经网络还可用于临床诊断、预后、脊柱手术后的结果预测、研究和脊柱疾病的生物力学评估。鉴于脊柱疾病管理的最新进展和决策的基本作用，本综述旨在描述用于脊柱疾病管理的神经网络辅助决策支持系统，包括诊断、预后和结果预测。
结果
诊断
在脊柱疾病中，人工神经网络已成功用于儿童腰痛、正常和异常颈椎、脊柱侧凸畸形的诊断，以及与后路腰椎融合术后并发症发生相关的危险因素的识别。此外，人工智能模型已用于医学图像分析评估。
脊柱预后
除了应用神经网络识别脊柱麻醉期间低血压的高危患者外，还对神经网络进行了测试，以确定腰痛的预后，目的是自动预测（并识别）后路腰椎融合手术后的并发症，并开发和评估一套脊柱手术后常见不良事件的预测模型。此外，人工神经网络还可用于开发新的计算工具，以预测临床结果、重返工作、身体残疾、并发症的发生、再入院率、行走能力、出院和脊柱手术后的处置[54,55,58].神经网络技术也被用于开发颈椎前路椎间盘切除和融合术后并发症的预测算法[56]，并评估腰椎间盘突出症（LDH）手术后腿部疼痛、背部疼痛和功能残疾的临床相关改善[59]，并自动量化挥鞭样损伤后的肌肉脂肪浸润[62]。此外，人工神经网络已被证明能够准确预测脊柱转移手术后的存活率、出院率和再住院率[57,60,61]，预测接受脊柱融合术的患者康复出院和计划外再入院[63]，预测腰椎间盘突出症手术后延长阿片类药物处方[64]。最后但并非最不重要的一点是，ANN已被用于预测脊柱骨盆软骨肉瘤诊断后的存活率[65]并预测脊柱融合术患者四种主要并发症的发生，即心脏并发症、伤口并发症、静脉血栓栓塞和死亡率，其结果优于常用的临床评分方法[16]。研究总结见表2。
结果预测
人工神经网络已被用于预测腰椎管狭窄症（LSS）[3]和腰椎间盘突出症[4]的预后，预测复发性腰椎间盘突出症[66]，增强LSS的手术决策[67]，开发用于预测椎管硬膜外脓肿住院和出院后90天死亡率的人工神经网络算法[68]，预测接受腰椎间盘疾病手术的患者的非常规出院[69]，评估老年患者的椎体强度并预测椎体骨折风险[70]，预测后路腰椎融合术后30天再入院[71]，预测后路脊柱融合术后手术部位感染[72]。
人工神经网络在脊柱疾病生物力学评估中的应用
对生物力学原理的清晰理解在脊柱疾病的治疗中很重要。ANNs的研究通过对关节力矩、脊柱负荷和肌力的澄清，专注于脊柱生物力学[75-77]。除此之外，应用人工神经网络优化脊柱椎弓根螺钉的设计[78]，通过机器学习模型预测椎体强度[70]，确定腰椎疾病患者疼痛图的一致性[73]，预测低骨密度[74]，从健康人群中识别腰痛患者执行静态站立任务[79]，在负重处理活动中估计三维全身姿势、腰骶关节力矩和脊柱负荷[80]，并在数字化视频透视成像中使用旋转边界框自动跟踪腰椎，运动和步态分析[81]已被报道。表4总结了这些调查结果。
论文名：A Review on the Use of Artificial Intelligence in Spinal Diseases