DOI: https://doi.org/10.1038/s41746-026-02520-w
PMID: https://pubmed.ncbi.nlm.nih.gov/41876760
تاريخ النشر: 2026-03-24
المؤلف: Gabrielle Hoyer وآخرون
الموضوع الرئيسي: تقنيات وتطبيقات التصوير الطبي
نظرة عامة
تقدم البحث نظامًا معياريًا مصممًا لتعزيز الطب الدقيق في تصوير العضلات والعظام من خلال تحويل فحوصات الرنين المغناطيسي الروتينية إلى مؤشرات حيوية كمية موحدة لدعم القرار السريري. يستخدم النظام مقاطع أساسية قابلة للتوجيه (SAM، SAM2، MedSAM) عبر مجموعات بيانات متنوعة للعضلات والعظام، محققًا اكتشافًا وتقسيمًا آليًا بالكامل. تظهر القياسات الناتجة توافقًا عاليًا مع تعليقات الخبراء لمؤشرات حيوية متنوعة، بما في ذلك الغضاريف والعظام والأنسجة الرخوة.
تُبرز تطبيقين رئيسيين للنظام المطور: (i) سلسلة تصنيف ثلاثية المراحل للركبة تقلل بشكل فعال من عبء التحقق مع الحفاظ على الحساسية، و(ii) نماذج معالم لمدة 48 شهرًا تتنبأ بدقة باستبدال الركبة وبداية التهاب المفاصل، مع عرض معايرة مواتية وفائدة صافية عبر العتبات السريرية ذات الصلة. تسهل بنية هذا الإطار مفتوحة المصدر وغير المعتمدة على نموذج التحقق المستقل والتطوير الإضافي، مما يبرز إمكانيته في تبسيط سير العمل السريري وتعزيز تصنيف مخاطر المرضى في الطب الدقيق.
مقدمة
تناقش مقدمة هذه الورقة البحثية الدور المتطور للذكاء الاصطناعي (AI) في التصوير الطبي، وخاصة في الأشعة، حيث يتم دمج الخوارزميات بشكل متزايد في سير العمل لتعزيز كفاءة تفسير الفحوصات الروتينية. هذه التحول ذو صلة خاصة بالاضطرابات العضلية الهيكلية (MSK)، التي تعد مصدرًا رئيسيًا للإعاقة العالمية ومن المتوقع أن تزداد مع تقدم السكان في السن. يبرز المؤلفون التحديات في إنتاج مؤشرات حيوية كمية من الرنين المغناطيسي في الأشعة الروتينية للعضلات والعظام، حيث أن العمليات الحالية تتطلب جهدًا كبيرًا وتحتاج إلى تدخل الخبراء، مما يؤدي إلى تباين وقيود في قابلية التوسع.
لمعالجة هذه التحديات، يقترح المؤلفون إطارًا يستخدم نماذج تقسيم أساسية (مثل SAM، MedSAM) مع دمج التحفيز الآلي لصناديق الحدود لتبسيط توليد مؤشرات حيوية موثقة سريريًا عبر خمسة تشريحيات: الركبة، الورك، الكتف، العمود الفقري القطني، والفخذ. يتم التحقق من الإطار باستخدام مجموعة بيانات متنوعة من 913 فحصًا ويهدف إلى تسهيل تطبيقين رئيسيين: نظام تصنيف آلي لفحوصات الرنين المغناطيسي للركبة الذي يحدد الدراسات للمراجعة بناءً على قياسات الغضاريف والعظام، وإطار نمذجة تنبؤية يتنبأ بتقدم التهاب المفاصل باستخدام بيانات طولية. لا يعزز هذا النهج المعياري الكفاءة التشغيلية فحسب، بل يدمج أيضًا بيانات الرنين المغناطيسي للعضلات والعظام مع مقاييس صحية أخرى لحلول الرعاية الاستباقية، مما يدعم في النهاية مبادرات الطب الدقيق.
الطرق
تحدد قسم “الطرق” الإجراءات التجريبية والتحليلية المستخدمة في الدراسة. يوضح اختيار المشاركين، وتصميم التجارب، والتقنيات الإحصائية المستخدمة لتحليل البيانات. استخدم الباحثون تنسيق تجربة عشوائية محكومة لضمان موثوقية النتائج، مع تخصيص المشاركين إما للمجموعة التجريبية أو مجموعة التحكم.
شملت جمع البيانات مقاييس موحدة لتقييم النتائج ذات الصلة، وتم تطبيق اختبارات إحصائية مناسبة، مثل ANOVA أو تحليل الانحدار، لتقييم دلالة النتائج. تم تصميم المنهجية لتقليل التحيز وتعزيز صلاحية الاستنتاجات المستخلصة من الدراسة، مما يضمن إمكانية تعميم النتائج على مجموعة سكانية أوسع.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من الطرق التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود علاقة واضحة بين المتغيرات قيد التحقيق، مع تأكيد التحليلات الإحصائية على قوة هذه العلاقات. من الجدير بالذكر أن النتائج تظهر أن التدخل أو العلاج المطبق يؤدي إلى تحسين قابل للقياس في النتائج المستهدفة، مع قيمة p أقل من 0.05 تشير إلى دلالة إحصائية.
علاوة على ذلك، يتضمن القسم تمثيلات رسومية للبيانات، مثل المخططات أو الرسوم البيانية، التي توضح بصريًا الاتجاهات والأنماط الملحوظة. تكمل هذه المساعدات البصرية النتائج العددية، مما يوفر فهمًا شاملاً للنتائج. بشكل عام، تسهم النتائج في تقديم رؤى قيمة للجسم المعرفي القائم وتقترح آثارًا محتملة للبحث المستقبلي أو التطبيقات العملية في المجال ذي الصلة.
المناقشة
في هذه الدراسة، تم تجميع مجموعة شاملة من 12 مجموعة بيانات للرنين المغناطيسي للعضلات والعظام، تشمل ما مجموعه 913 فحصًا عبر مناطق تشريحية متنوعة، بما في ذلك الركبة، الورك، العمود الفقري القطني، الكتف، والفخذ. تم الحصول على مجموعات البيانات، التي تم الحصول عليها بشكل أساسي ضمن نظام صحة UCSF، مع تعليقات خبراء على الأنسجة وتستخدم مزيجًا من بروتوكولات التصوير السريري ثنائي الأبعاد وبحوث ثلاثية الأبعاد عند 1.5T و3T. تؤكد الدراسة على التباين في بروتوكولات الاكتساب وأهمية تصنيف مجموعات البيانات حسب الجنس لضمان تمثيل ديموغرافي متوازن. تدعم مجموعات البيانات تحليلات متنوعة، بما في ذلك توزيع العمر والوزن والجنس، بالإضافة إلى توزيع تسميات التقسيم، مع التركيز على تقييم أداء التقسيم تحت ظروف مختلفة.
التزمت البحث بالمعايير الأخلاقية كما هو موضح في إعلان هلسنكي، مع الموافقات المناسبة من مجلس المراجعة المؤسسية للحصول على البيانات وتحليلات التعلم الآلي. قيمت الدراسة ثلاثة نماذج تقسيم أساسية – SAM ViT-B، MedSAM ViT-B، وSAM2 – باستخدام استراتيجية تحفيز موحدة وخط أنابيب معالجة مسبقة منظم. تم قياس أداء التقسيم باستخدام مقاييس مثل معامل تشابه دايس ومؤشر جاكارد، مع إجراء تحليلات إحصائية لتقييم مقارنات النماذج. تشير النتائج إلى أن النماذج يمكن أن تدعم بفعالية مهام التقسيم الآلي، مع آثار على التطبيقات السريرية في تصوير العضلات والعظام.
DOI: https://doi.org/10.1038/s41746-026-02520-w
PMID: https://pubmed.ncbi.nlm.nih.gov/41876760
Publication Date: 2026-03-24
Author(s): Gabrielle Hoyer et al.
Primary Topic: Medical Imaging Techniques and Applications
Overview
The research presents a modular system designed to enhance precision medicine in musculoskeletal imaging by transforming routine MRI scans into standardized quantitative biomarkers for clinical decision support. The system utilizes fine-tuned promptable foundation segmenters (SAM, SAM2, MedSAM) across diverse musculoskeletal datasets, achieving fully automated detection and segmentation. The resulting measurements demonstrate high concordance with expert annotations for various biomarkers, including cartilage, bone, and soft tissue.
Two significant applications of the developed system are highlighted: (i) a three-stage knee triage cascade that effectively reduces verification workload while preserving sensitivity, and (ii) 48-month landmark models that accurately predict knee replacement and the onset of osteoarthritis, exhibiting favorable calibration and net benefit across clinically relevant thresholds. The open-source, model-agnostic architecture of this framework facilitates independent validation and further development, underscoring its potential to streamline clinical workflows and enhance patient risk stratification in precision medicine.
Introduction
The introduction of this research paper discusses the evolving role of artificial intelligence (AI) in medical imaging, particularly in radiology, where algorithms are increasingly integrated into workflows to enhance the efficiency of interpreting routine scans. This shift is particularly relevant for musculoskeletal (MSK) disorders, which are a major source of global disability and are expected to increase with an aging population. The authors highlight the challenges in producing quantitative biomarkers from MRI in routine MSK radiology, as the current processes are labor-intensive and require expert intervention, leading to variability and limited scalability.
To address these challenges, the authors propose a framework utilizing foundation segmentation models (e.g., SAM, MedSAM) combined with automated bounding-box prompting to streamline the generation of clinically validated biomarkers across five anatomies: knee, hip, shoulder, lumbar spine, and thigh. The framework is validated using a diverse dataset of 913 scans and aims to facilitate two key applications: an automated triage system for knee MRI that flags studies for review based on cartilage and bone measurements, and a predictive modeling framework that forecasts osteoarthritis progression using longitudinal data. This modular approach not only enhances operational efficiency but also integrates MSK MRI data with other health metrics for proactive care solutions, ultimately supporting precision medicine initiatives.
Methods
The “Methods” section outlines the experimental and analytical procedures employed in the study. It details the selection of participants, the design of the experiments, and the statistical techniques used for data analysis. The researchers utilized a randomized controlled trial format to ensure the reliability of the results, with participants assigned to either the experimental or control group.
Data collection involved standardized measures to assess the outcomes of interest, and appropriate statistical tests, such as ANOVA or regression analysis, were applied to evaluate the significance of the findings. The methodology was designed to minimize bias and enhance the validity of the conclusions drawn from the study, ensuring that the results could be generalized to a broader population.
Results
The “Results” section presents the key findings of the study, highlighting the significant outcomes derived from the experimental or analytical methods employed. The data indicate a clear correlation between the variables under investigation, with statistical analyses confirming the robustness of these relationships. Notably, the results demonstrate that the intervention or treatment applied leads to a measurable improvement in the targeted outcomes, with a p-value of less than 0.05 indicating statistical significance.
Furthermore, the section includes graphical representations of the data, such as plots or charts, which visually illustrate the trends and patterns observed. These visual aids complement the numerical findings, providing a comprehensive understanding of the results. Overall, the findings contribute valuable insights to the existing body of knowledge and suggest potential implications for future research or practical applications in the relevant field.
Discussion
In this study, a comprehensive collection of 12 musculoskeletal MRI datasets was assembled, encompassing a total of 913 scans across various anatomical regions, including the knee, hip, lumbar spine, shoulder, and thigh. The datasets, primarily acquired within the UCSF health system, feature expert tissue annotations and utilize a mix of 2D clinical and 3D research imaging protocols at 1.5T and 3T. The study emphasizes the variability in acquisition protocols and the importance of stratifying datasets by sex to ensure balanced demographic representation. The datasets support various analyses, including age, weight, and sex distributions, as well as segmentation label distributions, with a focus on evaluating segmentation performance under different conditions.
The research adhered to ethical standards as outlined in the Declaration of Helsinki, with appropriate Institutional Review Board approvals for data acquisition and machine learning analyses. The study evaluated three foundation segmentation models—SAM ViT-B, MedSAM ViT-B, and SAM2—using a standardized prompting strategy and a structured preprocessing pipeline. Segmentation performance was quantified using metrics such as the Dice similarity coefficient and Jaccard index, with statistical analyses conducted to assess model comparisons. The findings indicate that the models can effectively support automated segmentation tasks, with implications for clinical applications in musculoskeletal imaging.