人工智能在腕管综合征诊断中的应用进展OA

腕管综合征(carpal tunnel syndrome,CTS)是常见的周围神经卡压性疾病,诊断主要依赖病史、体格检查、临床评分及超声、神经传导检测(nerve conduction study,NCS)/肌电图(electromyography,EMG)等辅助检查。近年来,人工智能(artificial intelligence,AI)被用于CTS诊断的相关研究主要涉及超声图像自动分割与分类、NCS/EMG数据模式识别、临床信息建模及多模态辅助决策。本文围绕上述四类应用路径进行综述,并对代表性研究的方法、输入数据、主要性能指标和局限性进行比较。目前超声图像AI研究最为集中,可用于正中神经定位、横截面积测量和CTS图像分类;AI可辅助NCS/EMG复杂参数或波形数据的模式识别;基于临床信息和数字表型的模型更适合初筛或风险预测;多模态模型更接近真实临床决策流程,但对数据配对、采集标准化和外部验证要求更高。总体而言,AI目前定位为CTS规范化诊断流程中的辅助工具,尚不能替代CTS-6、超声或NCS/EMG等既有诊断方法。未来研究需加强多中心前瞻性验证、模型可解释性、伦理监管、数据安全和临床工作流适配评价。