研究人员开发出一种新型人工智能系统，可预测患者膝关节X光片一年后的影像变化。该工具由萨里大学团队研发，不仅能生成未来影像的视觉预览，还可提供风险评分，帮助医生和患者更清晰理解骨关节炎发展进程。相较于早期系统，该技术速度更快且更具可解释性，未来或可扩展用于预测肺部疾病或心脏病等其他病症。
应对疾病挑战
骨关节炎是一种影响全球超5亿人的退行性关节疾病，也是导致老年人残疾的首要原因。其主要症状表现为关节疼痛、僵硬及活动障碍。
人工智能模型选择
该系统核心采用先进的扩散模型（diffusion model），这是一种生成式人工智能技术。它能创建患者膝关节的"未来版"X光影像，并精准识别关节中16个关键监测点，直观标示潜在变化区域。此功能通过向临床医生明确展示AI监测的膝关节具体部位，显著提升预测结果的透明度，增强医疗团队对系统输出的信任度。
人工智能训练过程
系统基于约5000名患者的近5万张膝关节X光片完成训练，成为同类技术中规模最大的数据集之一。其疾病进展预测速度约为同类AI工具的九倍，且运行效率与准确率更高。研究团队认为，这种速度与精度的结合将加速技术向临床实践的转化。
首席研究员大卫·巴特勒表示："我们惯常使用的医疗AI工具仅提供数值预测而缺乏解释。我们的系统不仅能预测膝关节恶化的可能性，更能生成未来膝关节的真实影像。将今日影像与来年预测影像并排展示具有强大说服力，这促使医生更早干预，也让患者清晰理解坚持治疗方案或改变生活方式的重要性。我们认为这将革新风险沟通方式，改善骨关节炎及其他相关疾病的诊疗实践。"
未来发展方向
类似AI工具未来或可预测吸烟者的肺部损伤，或追踪心脏病发展进程，为其他疾病提供与骨关节炎系统相同的可视化洞察和早期预警。该研究已在2025年国际医学图像计算与计算机辅助干预会议（MICCAI 2025）上发表，相关论文题为《基于高效扩散模型X光影像的膝骨关节炎进展风险评估》，刊载于《医学图像计算与计算机辅助干预》期刊。
【全文结束】
