在 SpineNet 中使用保形预测量化中央管狭窄预测的不确定性

更智能的脊柱影像为何重要

下背痛每年让数以百万计的人就医，脊柱的 MRI 扫描是判断谁需要手术、谁可以保守治疗的重要工具。越来越多地，计算机帮助放射科医生自动评估椎管狭窄的程度——即中央管狭窄。但医生有一个合理的关键问题：计算机对其结论有多肯定？本研究展示了如何将一个黑箱式的脊柱 AI 系统 SpineNet 转变为不仅能给出预测，还能说明其不确定性的系统——从而提供更诚实且临床上更有用的第二意见。

从单一猜测到诚实区间

大多数用于医学的人工智能系统表现得像非常自信的学生，即使不确定也只给出一个答案。例如，SpineNet 会查看腰椎 MRI 并为每个椎间盘水平评定四个等级之一——正常、轻度、中度或重度狭窄。但它不会说明何时有多种等级都可能。作者采用了一种称为保形预测的统计框架，作为对现有模型的封装，将模型的原始置信度分数转换为一组可能的答案。系统不再只是断言“轻度”，而可能说“轻度或中度”，并附带一个保证：在大量病例上，真实等级至少以 85–95% 的频率出现在该预测集合中，具体取决于临床人员选择的严格程度。

在真实患者上测试该方法

研究团队以在瑞士一家医院接受 MRI 检查的 340 名有腰椎管狭窄症状的老年人为起点。SpineNet 自动为每人最多评估五个椎间盘水平，总计产生 1,689 个椎间盘水平。对每个水平，研究者提取模型对四个狭窄等级的内部概率，然后应用四种保形预测的变体。他们重复将数据千次随机拆分为校准集和测试集，并改变可容忍的误差幅度。通过这种密集的重采样，他们不仅观察到真实等级落入每个预测集合的频率，还评估了这些集合总体上以及在各个严重度等级下通常有多大。

在安全与实用之间找到平衡点

四种方法都可以调节以使其总体命中率达到期望目标，但它们在信息量上差别很大。简单的“前 k”方法在严格设置下通过几乎总是列出所有四个等级来实现完全覆盖，这在数学上是安全的，但在实践中几乎毫无用处。另一对旨在自适应扩展预测集合的方法，常常在棘手的中度和重度病例上表现不佳，即使产生较大的集合也未能达到目标覆盖率。最明显的胜出者是按类别条件处理的方法，它为每个等级学习单独的不确定性阈值。该方法可靠地达到所请求的覆盖率，同时将预测集合保持得尽可能小——在常见的正常和轻度病例中，集合通常仅为一到两个等级；在较不常见的中度和重度狭窄中，集合仅略大一些，而这些情形本身也更容易引起专家之间的分歧。

模型在脊柱判读上遇到的难点

通过逐个椎体查看，作者表明系统的不确定性与临床上的难点一致。在上腰椎水平，病例大多为正常或轻度狭窄，预测集合小且可靠。在诸如 L3/L4 和 L4/L5 的水平，尽管重度狭窄更常见但仍相对罕见，不确定性增加：重度病例的预测集合更大且覆盖率更为可变。这既反映了疾病分布的不均衡，也反映了基础 SpineNet 模型在轻度和中度等级上的准确性低于在明显正常或明显重度上的表现。重要的是，保形层揭示了这一弱点而不是掩盖它，正好标示出那些放射科医生应格外谨慎的病例。

这对患者和临床医生意味着什么

对患者而言，这项工作并不取代放射科医生；它使自动化工具更值得信赖。临床医生无需把脊柱 AI 的判断视为非此即彼，而是可以看到算法何时立足稳固、何时在相邻等级之间摇摆不定。这种透明性使得决定何时依赖模型、何时寻求第二意见以及在讨论手术时如何将影像结果与症状权衡变得更容易。因为保形预测层可以在不重新训练现有系统的情况下添加，这一方法为实现不仅能读取脊柱 MRI、而且能明确传达自身局限性的 AI 提供了一条实用路径。

引用: Cina, A., Monzon, M., Galbusera, F. et al. Quantifying central canal stenosis prediction uncertainty in SpineNet with conformal prediction. Sci Rep 16, 4963 (2026). https://doi.org/10.1038/s41598-026-35343-6

关键词: 脊柱狭窄, 医疗人工智能, MRI 影像, 不确定性估计, 保形预测