人工智能重塑骨关节炎研究：2025年OARSI会前研讨会前沿洞察与跨领域挑战

　　本推荐介绍2025年OARSI会前研讨会关于人工智能（AI）在骨关节炎（OA）研究中的应用。研究人员围绕AI在生物力学、影像组学和大型语言模型（LLM）中的实际应用展开探讨，提出AI技术可提升OA早期诊断、进展预测及临床工作效率，但需解决数据隐私、模型可解释性及伦理问题。该研究为跨学科合作与负责任地整合AI提供了重要框架。

　　

骨关节炎（Osteoarthritis, OA）作为一种常见的退行性关节疾病，长期以来依赖传统影像学分级和临床经验进行诊断与评估，存在主观性强、早期病变识别困难、预测模型泛化能力不足等问题。近年来，人工智能（Artificial Intelligence, AI）技术的迅猛发展为OA研究带来了新的可能，但其在实际应用中的可行性、伦理性及跨领域整合仍面临诸多挑战。在此背景下，国际骨关节炎研究学会（Osteoarthritis Research Society International, OARSI）于2025年举办会前研讨会，聚焦AI在OA研究中的前沿应用与实施路径。

本次研讨会由OARSI早期职业研究者委员会组织，Matthew Harkey博士与Brooke Patterson博士共同主持，汇聚了生物力学、影像分析、自然语言处理及出版伦理等多领域的专家，旨在推动跨学科对话，促进AI在OA领域的负责任集成。会议重点讨论了AI在三大方向的应用：基于无标记运动捕捉的生物力学分析、影像组学（Radiomics）辅助的成像 biomarker 挖掘，以及大型语言模型（Large Language Models, LLMs）在临床与研究文本处理中的应用。

为系统探讨上述问题，研究人员通过专家报告与集体研讨的形式，结合已有文献与临床实践案例，分析了AI在不同领域的实施路径、存在的问题及未来方向。本文内容基于该研讨会的讨论成果整理而成，并发表于《Osteoarthritis and Cartilage Open》，旨在为未能参会的广大OA研究者提供参考，并推动相关领域的合作与创新。

在研究开展过程中，作者团队未使用独立实验数据，而是基于多位讲者的报告内容及现有文献进行综合阐述。主要方法包括：专家共识会议的组织与内容提炼、已有AI模型（如深度学习、Transformer网络、Diffusion模型等）的应用案例回顾、多中心影像与临床数据的整合分析（涉及美国、英国、中国香港等多地队列），以及伦理与出版政策的文本分析。此外，会议中还介绍了包括DeepSeek在内的多个LLM模型在医疗文本处理中的实践。

AI在生物力学中的应用

Kerry Costello博士指出，传统步态分析实验室依赖标记式运动捕捉系统，存在操作繁琐、生态效度低等问题。AI驱动的无标记运动捕捉技术能够通过普通视频提取关节运动学参数，大幅提升数据采集效率并支持真实环境下的规模化分析。此外，结合可穿戴传感器与AI预测模型，研究者能够估算关节负荷，整合生物力学数据与患者报告结局、影像学及临床历史等多维度信息，构建更准确的OA进展预测模型。然而，该领域仍面临数据泄漏（如个体双侧肢体数据不应分入训练集与测试集）、类别不平衡、模型可解释性不足以及数据隐私保护等挑战。

AI在影像学中的应用

Chunyi Wen博士强调，影像组学能够将标准医学图像转化为高维定量特征，从而捕捉软骨纹理、骨骼形态等微小变化，实现OA的早期诊断与进展预测。多模态AI模型（如结合X射线与磁共振成像）在预测OA进展方面表现出较高准确性。先进AI架构（如Transformer 和 Diffusion模型）还可用于图像增强与合成，以扩大训练数据集。尽管如此，影像AI仍存在领域适应性差、外部验证不足、计算资源要求高以及模型决策过程不透明等问题。Wen博士还介绍了其团队开发的跨人群髌股关节影像组学模型，该模型在多个队列中均表现出良好的泛化性能。

LLMs在临床与研究中的应用

Bella Mehta博士探讨了LLMs（如ChatGPT和DeepSeek）在OA临床与研究中的潜力。在临床场景中，LLMs可用于从电子病历中提取患者报告结局（PROMs），辅助患者教育、出院摘要生成等文档任务；在研究场景中，则能支持主题分析、调查工具设计等。检索增强生成（Retrieval-Augmented Generation）策略也被用于减轻LLM的“幻觉”问题，提高输出事实准确性。然而，数据隐私、模型偏差、结果可解释性以及人类监督的必要性仍是该领域广泛应用的前提。

出版与伦理视角下的陷阱

Anne-Marie Malfait博士与Henning Madry博士从期刊编辑的角度出发，强调AI在使用中必须透明、可重现，且处于人类监督之下。他们指出，生成式AI仅可用于语言润色，而不应生成科学内容或替代作者创意。使用AI工具必须在投稿时明确声明，且AI不可作为作者。此外，审稿人与编辑需警惕将稿件内容输入公共AI工具所带来的保密风险，以及图像篡改等学术不端行为。

本研究系统总结了AI在OA多个子领域中的应用现状、核心挑战与实施策略，强调跨学科合作、模型透明度、伦理审查以及AI普及教育的重要性。研讨会呼吁建立更明确的政策框架与标准化披露机制，以推动AI在OA领域的负责任集成。这不仅有助于提升OA研究的科学严谨性与临床转化价值，也为整个 musculoskeletal 研究领域提供了可借鉴的范式。

综上所述，人工智能正在深刻改变OA的研究范式与临床实践路径。从生物力学到影像组学，再到临床语言处理，AI的应用彰显出巨大的潜力，但其真正落地仍需解决数据、算法、伦理乃至文化层面的多方挑战。本次研讨会的成果为后续研究与实践提供了重要参考，也凸显出在创新与规范之间寻求平衡的长期必要性。