叶哲伟：区块链与人工智能技术在创伤骨科诊疗中融合应用研究进展

摘要：创伤骨科相关疾病成为危害我国人民健康的重大问题，我国每年创伤患者高达6000万例以上[1-2]。以往创伤骨科诊疗模式依赖医师个人经验进行人工阅片和伤情判定，在诊疗中存在临床工作量大、转诊时病历调阅困难、急诊环节易漏诊误诊、救治不够及时等情况。近年来，随着人工智

创伤骨科相关疾病成为危害我国人民健康的重大问题，我国每年创伤患者高达6000万例以上[1-2]。以往创伤骨科诊疗模式依赖医师个人经验进行人工阅片和伤情判定，在诊疗中存在临床工作量大、转诊时病历调阅困难、急诊环节易漏诊误诊、救治不够及时等情况。近年来，随着人工智能（AI）、大数据、智能物联网、扩展现实、手术机器人等前沿技术的不断发展，传统骨科诊疗逐步进入智能骨科时代[3-5]。得益于神经卷积网络算法、随机森林算法、机器学习等技术的广泛使用，AI技术通过模拟人类专家的知识和经验，可对疾病部位的特征进行提取从而应用于创伤骨科的诊疗[2-4]。

然而，在应用过程中，AI医疗模型有效性和安全性的保障依赖于大量临床数据的反复训练和验证。在规模化构建AI医疗模型时，由于各医疗机构之间数据格式和标准不统一、电子病历信息系统难以互通及模型构建路径不一致等问题导致相关应用开展受限。创伤骨科医疗数据的高质量使用是AI模型发展的必备条件，也是提升创伤骨科新质科研生产力的重要方向。区块链作为新型分布式数据库技术，具有去中心化、可溯源、可编程、难篡改的特点，通过利用加密链式区块结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据、利用智能合约来编程和操作数据，改变了传统依赖中心节点验证模式，其应用能为创伤骨科AI诊疗模型的构建提供信息互通的信任体系[5-8]。区块链与AI的融合可望解决医疗机构间数据共享困难、“数据孤岛”现象持续存在、融合模型构建标准难统一等问题[9]。

为进一步详细了解区块链与AI技术在创伤骨科诊疗中的应用情况，笔者以“blockchain”“artificial intelligence”“trauma”“orthopedics”“fracture”“diagnosis”作为关键词，检索PubMed、Web of Science数据库；以“区块链”“人工智能”“创伤骨科”“骨折”“诊断”“治疗”作为关键词，检索中国知网数据库。检索时限为2019年1月至2024年5月。文献纳入标准：（1）与区块链、AI技术相关；（2）与骨创伤的数字诊疗相关；（3）文献类型为论著、综述。排除标准：（1）重复性研究；（2）主题相关性低；（3）无法获取全文。最终引用文献57篇，其中英文43篇，中文14篇。笔者就区块链与人工智能技术在创伤骨科诊疗中融合应用的研究进展进行综述，为我国数字化创伤骨科诊治体系的构建提供参考和新思路。

区块链技术是一种利用加密链式的区块结构来存储和验证数据、利用分布式节点共识算法来生成和更新数据、利用智能合约来操作数据的去中心化计算范式[10-12]。由于区块链技术具有去中心化、可追溯性、不可篡改、可编程和安全可信等特点，在创伤骨科实际诊疗中能够在隐私环境下及时共享患者的健康档案资料和电子病历数据，充分释放数据价值，实现快速转诊时的病历授权访问、区域医疗合作、AI专病诊疗模型构建等应用[13-15]。

1.1 病历数据共享

运用区块链技术可对创伤骨科患者的电子病历进行智能化授权访问，简化数据共享流程并提高诊断效率。在各级医院的健康管理中心和门诊，创伤骨科医师联合信息部门可将慢性疼痛、急诊及术后患者个人健康数据在区块链系统上存证，同时赋予患者对其病历的管理权限，区块链分布式存储源自不同医疗机构的诊疗信息，便于医师诊断患者病情[16-20]。Yuan等[21]提出一种基于区块链的患者医疗健康档案共享和保护方案，能够提高创伤骨科患者数据的交互安全性及医师的诊断效率。Amanat等[22]通过区块链使用权益证明加密共识机制和安全哈希算法来验证用户身份，能够帮助跨机构转诊时其他医院的医师实现患者电子病历授权访问。

Dubovitskaya等[23]基于区块链超级账本和开源的Hyperleger Fabric框架构建了用于患者护理和治疗电子健康记录（EHR）数据管理系统。Zhan等[24]推荐以基于区块Hyperledger Fabric的策略来促进电子病历交换，并通过使用医疗代币系统使利益相关者协作，以及共享信任来鼓励医疗数据的增长，这为创伤骨科数据库的建设带来新的思路。通过持续提高创伤骨科临床数据系统的结构化运维能力，使得病历资料在合规的前提下依然能够彼此共享，提高诊断效率[25-27]。

1.2 药械溯源

创伤骨科用药和耗材种类繁多，其成分和来源产地会直接影响骨科患者康复效果。以区块链为底层技术连接联盟链构建高度自治的信息化平台，将促进创伤骨科类药品和器械参与主体各环节的协同高效、自主地流转，提高透明度[28]。Wang等[29]用一个轻量级区块链框架进行中药材流通质量追溯，结果表明，区块链系统具有较好的可移植性和可扩展性，能够保障骨科药品安全性。通过区块链网络，将创伤骨科门诊、患者、药房链接到一起，借助智能合约等手段，实现链上链下用药数据通联、访问授权和隐私保护。Azizi等[30]验证了区块链技术和物联网在智能医疗耗材供应中的实际价值。Muniappan等[31]提出一种医疗器械追溯系统，通过对区块链技术共识算法进行优化，能够有效提升骨科器械追溯系统的性能，避免假冒伪劣耗材的使用。区块链技术通过协助药械溯源，能提高药品和器械产品的质量、使用的时效性及效率，帮助创伤患者实现更安全便捷的诊疗体验。

1.3 数据信任与模型构建

区块链以其安全交互特性可协助数据共享和AI模型构建，用于创伤骨科的治疗。Xie等[32]提出区块链、AI及可穿戴设备对慢性病及骨科康复期患者的健康状况进行监测和诊断。利用区块链技术，创伤骨科的数据可以实现加密共享和分散式交互。Nam等[33]基于智能物联网、数字生物标志物和AI技术构建数字化模型，实现对脊柱损伤诊疗的范式转变，而区块链将加强其中的数据信任，提高创伤骨科疾病治疗效率。Nasir等[34]提出基于区块链和边缘计算来自动检测骨科疾病，并在大型多模态骨科影像数据集上获得高达99.3%的准确率。提示边缘计算和雾计算技术可减少集中式服务器的负载，并提高效率。Allareddy等[35]提出使用区块链技术和联邦机器学习在创伤骨科的矫形治疗方面进行合作，以提高创伤骨科领域的数据安全流通和共享。区块链以其安全交互特性可协助智能模型构建，用于临床诊疗。区块链作为一种数据处理方式和加密共享手段，能在患者的阶梯式治疗中发挥重要作用。

综上所述，基于区块链技术的去中心化、可追溯、不可篡改特性可以大幅提升数据的隐私安全、加强创伤骨科领域的数据流通并促进临床专病数据库的建设。目前应用较为广泛的是将患者的病历进行授权访问可实现快速转诊、防止病历篡改、保护患者隐私。通过对医疗器械标识追溯，区块链还能保证创伤骨科患者的用械安全和时效性。此外，区块链技术通过实时记录和传输创伤骨科患者的生理数据，能实现可信任的数据共享和AI模型构建，帮助诊疗数据的价值进一步释放。

以上应用场景的出现为创伤骨科的智能化发展提供了基础，但也存在不足，例如存在计算资源消耗大、各个医院之间系统不匹配、标准接口不统一、缺乏交叉学科相关人员进行区块链临床场景构建及业务转化、相关科室及单位支持力度不够等问题。在行业标准方面，医学区块链技术标准缺乏，面对不同的医疗机构信息系统时其交互运行还存在障碍。尽管如此，区块链提供的数字底座将为创伤骨科患者的数据安全及临床诊疗提供相应保障，并通过与AI技术的融合进一步释放更多的潜在价值。

近年来，AI技术以其特征工程、人工神经网络、深度学习的特点在创伤骨科得到应用。AI技术通过对创伤和骨折部位重点特征的学习能够辅助医师进行诊断和治疗，当前的研究主要集中在骨折诊断、骨折分类、三维病灶分割、手术规划及术前术后风险预测等场景[2-4]。然而，目前大多数AI技术在医疗领域的应用处于“黑盒系统”状态，外部监管控制难以开展，其内部状态也很难监测感知，这给医疗行业监管和数据安全带来挑战。此外，AI技术的实现需要大量的医疗数据和诊疗信息。区块链技术可以通过其分布式的技术特点对分散、多源、多渠道的信息资源进行整合汇总，并经过确权加密后上传至区块链系统。经过AI分析、预测和评估后的有效数据通过区块链各节点共享，以此增加数据准确性，实现高质量信息的高效共享[5-6,10,20,36]。

去中心化AI代表一种新的组织方式，数据和算法的控制权将分散在不同算力实体之间，这将带来更加公平、包容的人工智能架构，有望成为人工智能发展的下一站。智能医学时代，AI技术在创伤骨科的发展需围绕临床数据、AI算法、系统算力等要素，而区块链与AI技术的融合将聚焦这些要素进行相互赋能。区块链技术与AI技术的融合将实现“数据不出域”情景下的模型训练，在保证患者隐私的前提下合理利用临床数据进行科学研究和AI训练[6,9,12-13,35-37]。通过制订智能合约，创伤骨科医师可共享训练参数完成多方协同的AI模型构建。

2.1 数据共享与处理

2.1.1专病数据库建设：

创伤骨科临床影像数据库和预测模型的建设将推动精准治疗，而区块链将驱动数据价值传递和机构互信[36-38]。目前在创伤骨科领域，医学图像处理的研究在很大程度上依赖于输入数据的数量和质量，国内针对骨科专门病种的临床数据库仍然稀缺[1,14-15]。基于区块链构建的临床数据库可提高医师学习和诊断效率。基于区块链数据共享和标注平台，各个机构之间协作进行创伤骨科影像数据的标注，有助于增加AI模型训练的数据标注质量和规模。Witowski等[37]开发基于区块链网络的影像协作软件MarkIt，该软件具有可溯源及分布式的特性，可在多机构间联合多位专家标注骨科多模态影像数据用于AI诊疗。区块链平台能在多个节点在线存储医学数字影像并允许临床医师根据疾病特征对影像中的病灶进行注释，以完成分类和目标检测。

在标注完成后，模型数据将被上传到云端服务器并不可篡改，AI模型可使用云端数据完成模型的升级。在需要进行智能诊断服务时，通过AI技术可实现创伤患者病灶数量、体积、位置等特征的自动测量和提取。在实验基准图像数据集上，通过结合分布式AI、联邦学习和区块链，可以提高多机构分布式节点在进行深度学习任务时AI模型的准确性，保护患者隐私，让参与单位根据相应的贡献实现价值公平[7,14,19,30,38]。

2.1.2 创伤骨科数据标注：

在数据标注方面，欧洲放射学会（ESR）发布的区块链影像应用白皮书指出，基于区块链进行创伤骨科影像数据的处理，可以加速注释过程并跟踪用户活动以提供相关权益给参与任务的医师，通过标注者之间的协议可估计数据集的价值，并使用加密货币分配相关“奖励”[26]。在医学区块链中的联盟单位，参与标注和贡献的医师将获得以积分和加密货币为代表的“奖励”，用于兑换权益，以激励更多的成员参与和提供更多的标注数据与病历资料。在数据共享模式下，医疗单位将会提升相关“罕见病”和“复杂性骨折”的数据库建设，创伤骨科医师的临床诊疗水平和科研质量将得到有效提高[7,13,16,35]。

在疾病因素分析与特征关联方面，基于区块链对人口骨密度特征、骨骼健康情况、骨质疏松危险因素和临床特征进行个性化监测和信息溯源，引入国家骨科临床研究中心数据库、骨科领域临床诊疗指南及专家共识，可进行大数据驱动下的创伤骨科专家知识经验图谱构建[1-3,8-9,18,26,29]。在明晰检测任务目标后通过将数据进行清洗和归一化处理后，设计算法将AI模型精度逐步提升。区块链与AI技术驱动的创伤模型建立将最大限度共享和利用临床数据用于机器学习，从而提高AI模型诊疗准确性。

2.2 模型构建

2.2.1 诊断：

基于区块链技术建设AI隐私计算平台，可提升AI算法准确性、解决参数的不出域共享的问题，为AI诊断模型的构建奠定数据信任基础[18,37-40]。对骨科疾病数据进行授权使用时，通过智能合约可进行安全、高效、低成本的健康数据交易和合作。在融合区块链的AI算法层面，Muniappan等[31]提出基于区块链的联邦机器学习体系结构，以联合方式执行分类算法的架构，支持健康数据所有者之间的协作模型构建，而无须共享数据集。Xie等[32]基于区块链和AI技术构建加拿大公共联合数据分析健康平台（CODA）用于多模态临床数据的联邦学习算法实现，并在多家医院进行了验证。

Salim和Park[41]构建基于分散卷积神经网络（CNN）的联邦学习模型训练全局模型，在医院训练检测疾病的局部模型。各级单位联合开展创伤骨科专病数据库建设，创伤骨科专业人员、信息化人员、影像医师相互协作将各自医院的创伤影像数据和电子病历进行分类。在训练和使用AI诊疗模型的过程中，中心各节点通过智能合约进行注册，获取共识目标检测算法及初始化模型参数，可将己方标准标注图像通过共识目标检测模型进行本地训练，生成局部模型。基于区块链智能合约训练中各节点之间权利对等，模型将具备较高的安全性和容错性，相关的机制如图1所示。

图1 融合区块链和AI技术的创伤骨科模型构建

国家、省级、地市级医院的创伤骨科通过区块链联盟链上传本地标注的标准统一的数据到区块链云平台，完成本地模型的构建。在获取新的创伤骨科数据后，经过再次强化学习的AI模型将会迭代升级并上传参数到全局模型汇总，并将获取的标注数据上传到区块链平台进行分布式存储，在需要时可进行调用。本地模型的训练参数上传到多中心共建的大模型后，多中心创伤骨科AI大模型将训练的参数发布到区块链平台。含有多个区块链节点将多次汇聚的数据进行存储，进行参数聚合的同时将最新的结果返回给本地节点，最终实现多级医院数据不出域情况下的AI模型协同训练。

注：AI为人工智能

不同的创伤诊疗中心通过建立临床样本数据库，对不同类型的数据进行标注处理，如文本数据、影像数据、生化指标、图像视频等内容。处理后的不同类型数据根据需求进行图像识别算法、影像分类算法、病灶分割算法多类型AI技术手段的集成和改进[2-4,9,12,42]。然后通过本地训练后进行参数的汇总，在共识机制下使得各节点协商共享随机数，采用联邦学习在不交换每个数据源个体信息的情况下，通过分享计算后的梯度或模型的统计信息，实现在数据可用不可见的情况下的多中心合作计算，并通过交换这些统计信息梯度完成全局模型的迭代[43]。基于区块链和AI技术融合的创伤骨科诊断模型相比单一数据源训练的模型将具有更高的安全性，并极大提升对创伤骨科疾病的诊断精度。

2.2.2 治疗：

在创伤骨科的治疗环节，通过区块链技术部署多中心、分布式创伤骨科疾病诊疗AI算法，能够高效地集成多家医院的专家经验和指南知识到联盟链网络，辅助创伤骨科疾病的治疗。基于区块链的专病数据库和溯源积分系统来管理和优化救治过程，建立智能化创伤骨科数字闭环救治系统，以此辅助医师进行病历共享、术前手术设计、术中导航、术后风险预测等工作[44-46]。张继东等[44]介绍基于区块链的医联体信息系统在提高医疗资源利用率方面的作用。在治疗过程中，基于现代化医院信息系统数据开展创伤骨科的诊疗和质量评价，可实现在多中心协作和敏感信息受控场景中转诊效率和救治水平的提高[47-49]。

在实现路径上，陈思源等[50]提出一种新的医疗影像数据AI辅助治疗模型，创伤骨科和放射科专业人员通过区块链系统进行患者健康数据查看和标注，在提交请求后智能合约会验证节点签名并转交请求。在获得授权后，被请求单位将进行验证签名，以智能合约的方式返回请求结果和验证数据，此过程可追溯且安全性高（图2A）。在需要AI技术进行辅助治疗时，医师通过嵌入智能诊疗系统将请求提交到服务器，可获得计算结果和参考意见（图2B）。

图2 基于区块链的创伤骨科数据共享与AI模型应用。

A.基于区块链的创伤骨科数据共享。医院之间的创伤骨科部门在进行转诊和AI模型训练时，医院A通过区块链的智能合约提交病历和数据访问请求，在获得医院B医师授权认证后可访问患者的健康资料，实现数据共享；

B.融合区块链技术和AI算法的辅助诊疗。各医院创伤骨科通过区块链系统联合训练的AI模型部署在云端服务器，在需要进行AI辅助诊疗时，由医院医师发送智能会诊请求，通过区块链智能合约进行权限控制，节点单位提交辅助诊断请求，由AI智能诊断服务器提供辅助决策并发回临床报告结果。

注：AI为人工智能

在患者信息安全与隐私方面，基于区块链的AI模型训练则进一步采用分布式的数据存储、点对点传输、共识机制、加密算法等计算机技术，可实现去中心化的分布式结构的医疗数据共享，为患者数据存储、传输、溯源等提供保障[11,14,50-52]。根据相关指南和标准，机构可在国家级区块链平台（BSN）和工业互联网节点构建多级联动的专病数据库，助力AI训练形成统一的标注、训练、评价标准，为数据处理和开展AI应用奠定基础[53-57]。

综上所述，区块链与AI结合的价值日益凸显。在面对繁重的临床影像阅片和诊疗业务时，AI技术的出现将极大提升创伤骨科和影像科医师的诊疗效率和精度。既往由于数据安全共享、隐私及监管问题等导致模型的普适性小，可靠性欠佳。基于区块链的数据共享技术不仅直观显示模型训练及验证过程，还可以大幅提高训练数据规模，通过AI集中分析和模型优化，发现创伤骨科相关疾病的检测阈值。在疾病诊疗中，区块链可帮助医师记录AI辅助的详细流程，通过在线标注平台汇聚更多医师的标注成果用于AI训练和模型开发。在医师可以理解的基础上保证算法及定量分析的可重复性，从而促进临床诊疗质量提高和科研成果转化。

在创伤骨科领域，区块链与AI技术的融合及应用将在临床疾病诊治中发挥不可忽视的作用。AI技术具备智能化、自动化、高度定制化、自适应性的特点，但其应用面临特定类型的数据难以获得、诊疗病种单一化、综合性诊疗辅助能力不足等问题。区块链技术打破临床数据共享限制的同时将增加创伤骨科数据的安全流通和保护，使得跨地域、多中心的分布式创伤骨科专科数据库的构建成为可能，在此基础上AI模型对疾病的诊断准确率将得到提升。

区块链与AI技术的融合应用目前也面临一些挑战，例如联盟链多节点部署难度大、医院信息系统和影像系统存在被攻击风险、各个机构间数据接口规范难统一、AI辅助诊断的政策不够完善等。未来，随着AI算法的不断更新及密码学、神经网络、隐私计算技术的不断发展，区块链与AI技术的融合将更加紧密。同时，随着各项政策的不断完善和交叉学科人才队伍的壮大，医学区块链在创伤骨科临床中的应用将变得越来越广泛，在临床专病数据采集、病历共享、影像资料标注、数据库建立及AI模型构建等各个方面提供安全、可信、透明的数据要素交互平台。最终，基于区块链与AI技术融合的骨科诊疗模型训练将更加高效，数据来源也将更加透明，机构之间的合作也将更加紧密，以此共同提高创伤骨科智能化诊疗水平，造福患者。