附属新华医院杨军林教授研究团队发布了开发和建立的基于人体裸露背部外观照的脊柱侧弯人工智能筛查系统，该筛查准确率可达人类专家平均水平，有望用于大规模脊柱侧弯筛查，并为追踪人群脊柱侧弯变化轨迹提供可能。这一最新研究成果以题名为《Development andvalidation of deep learning algorithms for scoliosis screening using backimages》于10月25日发表于《自然》杂志的子刊《通讯·生物学》（Communications Biology）。

脊柱侧弯是我国发病率第三的青少年疾病，是国家重点关注的青少年健康问题。全球约2-4%的青少年患有脊柱侧弯，由于缺乏简便高效的脊柱侧弯筛查技术，大部分青少年错过了保守矫正的最佳时期，需要进行手术治疗，导致沉重的家庭和医疗负担。

上海新华医院脊柱中心主任、儿骨科主任杨军林教授发现裸露背部外观照能够在一定程度上反应脊柱侧弯程度，故联合中山大学中山眼科中心的林浩添教授、西安电子科技大学的刘西洋教授着手于脊柱侧弯深度学习筛查技术的研发，项目于2018年获得国家重点研发计划项目。

杨军林教授表示，脊柱的异常发育会引起背部整体外观的变化，比如高低肩、肩胛骨不等高和躯干左右侧轮廓不对称等变化，这为开展基于背部照片的人工智能脊柱侧弯筛查技术提供可能。采用裸露背部外观照的筛查方式不仅高效便捷，还能使患者免于放射危险。

这一研究的合作团队采用患者的x光射线和超声影像作为患者脊柱侧弯的金标准标签，通过对带标签的外观图像进行模型训练，首次明确背部外观特征与脊柱侧弯严重程度的关系，建立了基于背部裸露外观照的脊柱侧弯人工智能筛查系统。

研究团队通过采用目标检测网络定位患者的裸露背部，并采用多个卷积神经网络满足不同筛查任务的需求，神经网络模型可以对青少年是否患有脊柱侧弯（脊柱弯曲程度是否大于10度），确定患者是否需要治疗（脊柱弯曲程度是否大于20度），明确青少年脊柱弯曲程度所在区间（0-9度、10-19度、20-44度或大于44度）三个方面的筛查起到比较突出的效果。

在验证过程中，研究团队发现，这一智能系统的筛查准确率已经达到了人类专家平均水平，但速度要明显优于人工筛查，故有望在大规模脊柱侧弯筛查中应用，可提高筛查效率，并减少大规模脊柱侧弯人工筛查所需的人力、物力及人员培训周期，同时该系统还可用于轻度脊柱侧弯患者的病情进展监测，减少常规X光片随访所造成的辐射，具有重要的医学、经济和社会价值。