AI 看 X 光片给股骨头坏死分期，准确率追上专家

一个深度学习模型读普通的髋关节正位 X 光片，给股骨头坏死分期的准确率是 96.60%，比放射科医师的 74.96% 和年轻骨科医师的 83.98% 都高，和资深骨科专家的 96.54% 打平。这是北京时间 10 月 26 日在《柳叶刀·数字医疗》上线的一项中国研究，模型叫 OsteoAID，用的是六家三级医院的片子。

这个结果有用，适用范围也很窄：它说的是在 X 光片上已经有迹象的病例里，期分得准。最早的第 1 期，X 光片本来就是正常的，模型在一张正常的片子上同样读不出东西来，还是得靠磁共振。

这项研究做了什么

研究是回顾性的，片子来自中国六家三级医院，时间跨 2015 年 1 月到 2023 年 12 月，一共 16399 名患者、20722 张髋关节正位 X 光片、28785 个髋。

片子里既有股骨头坏死的髋，也有正常的髋，还专门放进了一批在 X 光片上长得像股骨头坏死的其他病。放进易混的病，是这项研究做得扎实的一点。如果只拿确诊病例和正常人对比，模型学到的可能只是这张片子看起来不太对，到了门诊遇到骨岛、骨髓水肿、软骨下骨不全骨折这些相似表现就要出错。

对错由谁说了算？由骨科专家逐张标注：先区分是不是股骨头坏死，确认以后再按 Ficat and Arlet 分期定级。模型学的就是这份标注。模型基于 YOLOv8 这套目标检测网络改出来，研究者给它起名 OsteoAID。

在同一批医院留出来做检验的片子上，分期准确率从原版 YOLOv8 的 87.42% 升到 96.44%。另一个常用指标 AUC 从 88.54% 升到 96.94%，它衡量的是把有病和没病分开的本事，1 代表每次都分对。在片子上框出病灶位置这项任务，框得准的平均比例是 92.97%。

这篇论文开放获取，方法和主要结果都写在摘要里，下图是它在《柳叶刀·数字医疗》官网上的文章页。

股骨头是怎么一步步塌下去的

股骨头坏死坏在血供上。

股骨头是大腿骨最上端的球形部分，坐在骨盆的髋臼窝里，靠几支从股骨颈外侧爬上来的小动脉供血。按中国 2019 版指南的写法，血进不来（动脉受损、中断）或者出不去（静脉回流淤住），股骨头里的骨细胞和骨髓成分就会死亡。

死亡之后身体会启动修复：破骨细胞先把死骨吃掉，新骨再慢慢长进来。麻烦出在这个修复期：死骨被吃走的速度比新骨长出来的速度快，承重的骨小梁就变稀、变脆。

股骨头是全身受力最集中的关节面之一，走路时承受的压力是体重的好几倍。骨小梁一旦撑不住，软骨下方先裂出一条细缝，在 X 光片上表现为新月征；再往后，球形的股骨头顶部压扁、塌陷，髋关节间隙变窄，退变性关节炎跟着来，疼痛和跛行就固定下来了。

指南也写明，具体的病理机制到今天还没有完全阐明。知道血供中断是起点、修复期是薄弱环节，不等于知道为什么同样吃激素的人有的坏死有的不坏死。

为什么早期的 X 光片是正常的

分期决定治疗方向：塌陷之前还能想办法保住自己的股骨头，塌陷之后多数要走到人工髋关节置换。所以分期分得准不准，直接牵动一个人要不要上手术台，上哪一种手术台。

早期最难判。ARCO 分期的第 1 期，定义本身就是"X 光正常、磁共振异常"。

原因在两种设备看的东西不一样。X 光看的是钙和磷这类矿物质对射线的阻挡，骨细胞刚死掉的时候，骨头里的矿物质还原封不动地摆在那儿，密度没变，片子上自然看不出名堂。磁共振看的是骨髓里水和脂肪的信号，骨髓一死，信号立刻变样，坏死区周围会出现一条带状低信号。

到了第 2 期，修复反应已经改写了骨头的矿物质分布，X 光片上才开始出现骨硬化、局灶骨质疏松或者囊性变，但此时股骨头还没变扁。

所以这个模型的边界很明确：从第 2 期往后，片子上有迹象，它读得比大多数医生准；第 1 期片子干净，它和医生一样无从下手。

和医生比，差在哪一步

外部测试集 I 上有四组数字，逐条读一遍：模型 96.60%，资深骨科医师 96.54%（两者差异 p=0.20，没有统计学意义），年轻骨科医师 83.98%，放射科医师 74.96%（后两组与模型的差异 p 都小于 0.0001）。

放射科医师的数字看着意外，道理却不难想。分期要判断的是程度：骨硬化到了什么范围、有没有囊性变、新月征出现了没有、股骨头顶部压扁了几分。这类判断靠的是同类片子看得够多积累出来的手感。髋关节正位片在放射科每天要读的片子里只占一小部分，骨科专家却天天面对这一个关节，差距多半出在这里。

更实用的一组数字是辅助之后的变化：年轻骨科医师的准确率绝对提高了 12.70 个百分点，放射科医师提高了 21.47 个百分点，资深骨科医师只提高 0.74 个百分点（p=0.080，不显著）。三组的读片时间都明显缩短。

这组数字指向的用法很具体：这类模型的价值在于把非专科医师拉到接近专科的水平。能不能及时转到有保头手术经验的医院，往往取决于第一个看片子的人有没有看出苗头，所以这一提高是能落到病人身上的。

手机翻拍的片子也能读

外部测试集 II 专门收了难片：曝光不当、对比度差、视野不全、有异物遮挡，甚至直接拿手机翻拍胶片。在这一组上，模型的总体分期准确率是 93.76%。

这一条很贴合国内看病的实际情况。基层医院拍完片子，病人常常是拿手机对着灯箱拍一张，带到上级医院或者发给亲戚问人。准确率从 96.60% 掉到 93.76%，掉得不多，说明这套模型没有挑剔到只认标准体位的高清片。

说 X 光能代替核磁，似是而非

外部测试集 III 最容易被误读。这一组的做法是：拿对应的磁共振给 X 光片定期，再看 X 光片加模型的判断与之符合到什么程度。结果是总体准确率 96.63%，AUC 97.33%。

照字面读，像是在说一张平片加上模型就能顶替一次磁共振。这个读法似是而非。

问题在于这组片子是从研究队列里来的，都是已经被专家判定能分期的病例。一位长期吃激素的病人说髋部疼、拍片干净，这组数字就管不到他身上，因为 ARCO 第 1 期的定义就是 X 光正常。用一个筛选过的测试集去推断全部人群，属于以偏概全。

这个数字真正说明的是：在 X 光片上已经有迹象的病例里，模型能把期分到与磁共振判定一致的程度。这已经不容易，但和可以不做磁共振是两回事。

这项研究还不能说明什么

回顾性研究。片子是从六家三级医院的历史资料里挑出来的，不是前瞻地跟着一批新病人往下看。

对错的标准是本院专家的标注。专家本身也会有系统性的偏好，模型学的是专家的判断，所以和专家打平这句话，天花板就是专家。

没有报告临床结局。这项研究回答的是分期分得准不准，没有回答医院用了它以后，病人保住股骨头的比例有没有提高、置换手术有没有推迟。医学 AI 最常卡住的一步就在这里：准确率漂亮，临床获益还要另做前瞻研究来证明。

还有一点在摘要里没有展开：模型只读正位片。指南写明髋关节的基本投照位是正位加蛙式位，两个位置看到的范围并不相同，只读正位片会不会漏掉一部分病变，这项研究没有回答。

哪些人该留意髋部的疼

中国 2019 版指南引用的全国调查估计，非创伤性股骨头坏死累计约 812 万人；男性患病率 1.02%，高于女性的 0.51%；北方居民 0.85%，高于南方的 0.61%，城市高于农村。

指南列出的非创伤性高危因素是：使用糖皮质激素、长期饮酒、高血脂、肥胖、某些职业（例如潜水）、吸烟、糖尿病。创伤性的病因包括股骨头和股骨颈骨折、髋臼骨折、髋关节脱位，以及没有骨折但造成关节内血肿的严重髋部扭伤和挫伤。

符合其中一条，又出现髋部、腹股沟或者膝关节上方的疼痛，走路和负重时加重，建议到骨科就诊。拍了 X 光片说没问题、疼痛又持续的，可以向医生提出做髋关节磁共振的问题，因为第 1 期本来就不在平片上显形。

早期发现的意义在于还有保住自己关节的余地，防微杜渐比塌陷后再补救划算得多。股骨头一旦塌了，能做的就剩下换关节。

至于文中这套模型，它目前还是一项研究成果，离装进各家医院的影像系统还有距离。眼下能改变结局的，还是有高危因素时别把髋部的疼痛拖着。

参考来源

Wei Z, et al. Lancet Digit Health 2026 (OsteoAID)

Zhao D, et al. J Orthop Translat 2020 (Guidelines for ONFH in adults, 2019 version)

Cheng EY, et al. J Bone Joint Surg Am 2026 (ARCO international clinical practice guideline)

AI 辅助整理，作者审核；内容仅供参考，具体诊疗请遵医嘱。