基于深度学习的脊柱曲线精确表型识别在英国生物样本库中发现了新的脊柱侧弯遗传风险位点

脊柱形状为何重要

脊柱侧弯是脊柱向侧方弯曲，可能导致疼痛、骨折和生活质量下降，但许多具有显著弯曲的人从未被确诊。本研究展示了现代计算机视觉与遗传学如何协同工作，更早发现脊柱问题，并揭示那些在我们随年龄弯曲方式中默默起作用的DNA变体。

寻找隐匿的弯曲

医生通常使用Cobb角在立位X光片上判断脊柱侧弯，并据此将人分类为有无脊柱侧弯。然而，大型人群生物样本库往往保存的是账单代码而非详细测量，这些编码主要只捕捉最严重的病例。作者转而利用来自英国生物样本库的超过57,000名成年人的全身骨骼扫描。这些在参与者仰卧时拍摄的扫描包含清晰的脊柱轮廓，提供了在所有人群中连续测量弯曲的机会，而不仅限于那些病历中被标记为脊柱侧弯的患者。

教计算机描绘脊柱

研究团队用一小批精心手工标注的图像训练了一个深度学习模型，以在扫描图像中定位并描出每个人的脊柱。该模型基于一种常用的医学影像架构，学会以像素级99%的准确率将明亮的脊柱与身体其他部分分离。对于每个分割出的脊柱，研究者沿其长度放置了20个等距点，将脊柱旋转使其两端垂直对齐，然后计算每个点从上到下相邻步骤左右偏移的累积值。这产生了一个简单的、连续的数值，表示每个人从上到下脊柱在毫米尺度上左右偏移的程度。

检验这一新指标是否合理

要有用，这个自动化弯曲评分需要与既有临床测量和现实世界结局相一致。在150人的子集中，该评分与矫形外科医生测得的Cobb角高度一致，二者呈强正相关。达到通常脊柱侧弯阈值的人的弯曲评分明显高于低于阈值者，且病历中有脊柱侧弯诊断编码的人平均也表现出更高的弯曲度。弯曲度随年龄通常稳步上升，符合磨损和骨质流失可逐渐使脊柱弯曲的观点。基于诊断病例和Cobb角推导的阈值，团队估计成千上万名英国生物样本库参与者很可能具有临床重要的弯曲，但这些情况并未出现在他们的医疗编码中。

将脊柱形状与DNA联系起来

有了这些弯曲评分，研究者在白人英国受试者的基因组中扫描与脊柱弯曲相关的常见变异，发现了三个通过严格统计检验的基因组区域。其中一个位于PAX1附近—该基因已与青少年脊柱侧弯和椎体发育相关，并且在女性中显示出比男性更强的效应，呼应了先前关于女性倾向的侧弯风险研究。另有两个区域在脊柱侧弯研究中尚未报道：一个位于与肢体和骨骼发育相关的基因附近，另一个重叠于位于与蛋白质质量控制和脊柱相关炎症相关基因之间的一段长非编码RNA。总体而言，这项基于影像的研究在传统仅依赖诊断编码的病例对照研究未检出的地方发现了全基因组信号。

脊柱弯曲与身体其他部分的关联

团队还考察了弯曲度与同一人群中其他性状的关系。更高的弯曲度与更多的背痛、较低的脊柱骨密度、更弱的手握力、更多的腿长差异以及更高的骨质疏松、脊柱骨折和脊椎退行性病变风险相关，即使在控制了年龄、体型和生活方式因素后这些关联仍然存在。相比之下，膝关节和髋关节骨关节炎与脊柱弯曲在该群体中关系不大。这些模式支持这样一种图景：老年人左右弯曲与更广泛的与年龄相关的肌肉、骨骼和姿势变化交织在一起，而非孤立的问题。

对未来护理的意义

通过将常规脊柱影像转换为精确的自动化测量，这项工作展示了深度学习如何揭示医学通常以概括方式记录的疾病的遗传与物理根源。新的弯曲度量发现了许多脊柱弯曲程度与确诊患者相当却没有正式标签的人群，并强调了可能对与年龄相关或退行性脊柱侧弯特别重要的基因区域。尽管还需更多研究来证实这些基因的作用并将该方法推广到更具多样性的人群，这项研究指向了这样一种未来：通过医疗影像中细微变化及早标识高风险个体，并指导对我们脊柱随一生如何以及为何改变形状的研究。

引用: Zeosky, M., Kun, E., Reddy, S. et al. Deep learning-based precision phenotyping of spine curvature identifies novel genetic risk loci for scoliosis in the UK Biobank. npj Digit. Med. 9, 381 (2026). https://doi.org/10.1038/s41746-026-02540-6

关键词: 脊柱侧弯, 脊柱弯曲, 深度学习, 遗传风险, 英国生物样本库