8月24日，在西安电子科技大学人工智能学院的一间实验室内，一张张腰椎磁共振影像正被AI系统飞速处理。屏幕上，原本依赖肉眼辨识的灰度信号，被转化为一串串动态曲线和数字生物标志物。

腰椎结构分割、年龄估计和退变风险分析框架。

“这是我们的最新科研成果，利用人工智能精准识别关节正在发生的细微变化，并计算出这种变化背后的风险值。”该校人工智能学院教授缑水平告诉记者。

长期以来，骨科和影像科医生面对着一个共同的难题：同样是腰椎退变，到底是正常的生理性老化，还是需要干预的病理性加速？而对半月板损伤来说，磁共振成像报告上同样写着“Ⅱ度信号”的微小损伤，有人十年间毫无变化，有人不到两年就不得不接受关节镜手术。

“上述问题使得‘该观察’还是‘该手术’的边界始终模糊。”缑水平说，而更让人惋惜的是，腰椎磁共振成像报告中那些早期退变的细微信号，在常规读片流程中极易被忽略，等到患者感到疼痛前来就诊时，往往已经错过了最佳的干预窗口期。

这些看似不同的问题，归根到底指向同一个科学命题——如何从一张静态的医学影像中，解码出关节系统随时间演化的动态节律，并将其转化为个体化的风险预警。为此，西安电子科技大学人工智能学院团队提出了一套“影像表型-连续量化特征-时序演化-多任务风险预测”的技术框架，让AI不仅看懂“现在有什么”，还能推断“将来会怎样”。

在腰椎退变领域，今年7月，团队首次提出“Age Delta”和“Age Selta”两项数字生物标志物。前者衡量个体腰椎退变程度相对于同龄人群的偏离幅度，后者追踪不同节段之间的退变速度差异，二者共同构成一把“腰椎年龄差标尺”，能够精准量化腰椎间盘退变是否偏离正常老化轨迹。患者只需一次常规腰椎磁共振影像检查，AI就能给出可量化的退变风险等级和个性化诊疗建议。

半月板分割、特征分析到分级和临床验证的整体流程。

在半月板损伤方向，团队骆安琳博士构建了融合视觉可解释机制的磁共振影像细分级方法，不仅能够精细划分半月板损伤程度，还能通过可视化机制清晰呈现AI作出判断的依据，让医生看得懂、信得过，为“该观察”还是“该手术”这一长期困扰临床的决策提供了数据驱动的量化精准边界。

团队还将研究视野拓展至全身多个关节，首次突破衰老影像学标记瓶颈，实现了颌面骨、腰椎、膝关节等多部位老化的定量分析与动态表征。

“我们还将研究触角伸向了最普通的侧位头颅X线片。这种检查费用十元左右的片子，常规仅用于口腔、正畸和颌面分析，极少被用于衰老评估。”缑水平说，然而，团队发现，这张简单的影像同时记录着牙齿、颅颌面骨和颈椎的形态变化——牙齿记录着萌出、替换和磨耗过程，颅颌面反映骨骼发育与形态改变，颈椎则包含椎体形态及退行性信息。

为此，团队开发了一种聚焦衰老相关特征的注意力机制模型，能够从同一张X线片中同步提取上述三类组织的衰老相关信息，揭示颌面区域的整体退变节律。

“影像不应只是静止的切片，而应成为刻画生命老化进程的数字化标尺。”缑水平这样阐释团队的愿景。目前，团队正联合多家临床单位，推动AI医学影像从“医生助手”向“健康哨兵”转型。未来，每一次影像检查将不仅回答“现在有没有病”，更能计算“未来风险有多大”。

在西电人工智能学院，这项研究仍在持续推进——从算法到临床，从腰椎到全身，这支团队正在用数据和算法，重新定义医学影像的价值边界。（群众新闻记者 郭诗梦）