胸腰椎創傷的CT診斷:胸腰椎創傷分類和嚴重評分(TLICS)與結構化報告

田靖一,王霄英

胸腰椎骨折是脊柱創傷所致骨折中最常見的情況。創傷機制主要是車禍高能創傷,以及骨質疏松骨折,多發生于Th10-L2水平,約25%患者合并神經受損[1]。CT圖像因具有良好的空間分辨率與密度分辨率,有利于觀察椎小關節骨質結構,對于椎體細微骨折、有無游離骨片對椎管造成的壓迫等均具有良好的檢出效能,是急性胸腰椎骨折的最主要影像評價手段[2],其識別胸腰椎骨折的敏感度達94%～100%。

胸腰椎創傷分類與嚴重程度評分(thoracolumbar injury classification and severity score,TLICS)[3]及胸腰椎AO脊柱損傷評分(thoracolumbar AOspine injury score,TLAOSIS)[4]是近年來應用較多的創傷評分系統,旨在輔助臨床術前評估及診療決策。TLICS對于評估胸腰椎創傷的脊柱穩定性、未來畸形和進行性神經創傷的判斷具有重要的指導價值,兩個評分系統也提供適當的治療建議[5,6]。

本文介紹了TLICS及TLAOSIS的影像診斷要點,并構建了CT影像結構化報告,期望推廣兩種脊柱損傷評分系統的臨床應用,提高報告的規范性及可讀性。

基于上述評分系統的結構化報告分為臨床評價、技術評估、影像表現、TLICS與TLAOSIS評分等部分,本文結合典型影像表現結構化報告各個模塊的具體評價要點。

臨床評估

依照TLICS與TLAOSIS評價CT表現時,影像診斷醫師應了解患者胸腰椎創傷的必要臨床信息如創傷機制、臨床狀態等資料。

技術評估

胸腰椎CT平掃檢查技術相對簡單,主要依據臨床申請單及病史提供病變部位進行CT薄層螺旋掃描。診斷醫師在寫報告前應對圖像進行評估,判斷是否存在影響診斷的問題,如運動偽影重,術后金屬偽影重等。

胸腰椎CT平掃后處理方案主要為對原始圖像的重組,診斷醫師在讀片時需采用多平面重組(multiplanar reformation,MPR)技術觀察傷椎的創傷形態、有無移位以及對毗鄰結構的繼發改變。

影像表現

1.圖像整體評估

在胸腰椎結構化報告中首先要對脊柱的整體情況進行評估包括脊柱順列(正?；蚧?、滑脫方向及程度),生理曲度(正常/變直/反弓),椎體骨質(正常/增生/骨折/骨質破壞),椎間盤(正常/膨出/突出/脫出、突出方向),椎管容積(正常/狹窄),椎管內病變(未見/可見)和椎旁軟組織(正常/萎縮/血腫/膿腫)。

2.損傷重點病灶評估

創傷病灶定位:在矢狀面重組圖像上依次觀察Th12-L5各椎體及其附件、Th12-L5各椎間盤、胸段/腰段脊髓神經。軸面圖像觀察椎體及其附件,應特別關注椎弓根正中層面的椎體和附件形態,既用于評估創傷情況,也用于治療計劃。

創傷病灶描述:在整體評估后應針對受傷椎體評估,包括骨折形態、后部韌帶復合體(posterior ligamentous complex,PLC)完整性及脊髓神經創傷。

①骨折形態評估:骨折形態分為輕微骨折、壓縮骨折、爆裂骨折、平移/旋轉、分離成角。

輕微骨折是不損害脊柱力學完整性的骨折類型如單純橫突、棘突骨折,對應AOSpine分型中的A0型[7]。

壓縮骨折是最常見的胸/腰椎骨折類型,創傷機制是由脊柱的軸向負荷引起,導致椎體前部楔形變,椎體后緣骨質完整,表現為椎體終板不連續、椎體楔形變及水平致密帶(圖1a),伴不同程度的脊柱后凸。對應AOSpine分型中的A1、A2型,分別表現為單終板骨折、椎體冠狀面縱向劈裂的鉗型骨折。

圖1 骨折形態評估。a) 壓縮性骨折:椎體輕度壓縮伴水平致密帶(箭); b) 爆裂性骨折:椎體壓縮變扁、椎體前后緣皮質不連續、椎體后緣碎骨片后移至椎管內; c) 平移損傷:椎體上關節突骨質不連續(箭)、上位椎體向前滑脫; d～f) 牽張性損傷:脊柱正中矢狀面及雙側椎弓根層面矢狀面圖像示棘突及雙側小關節突多發骨折(箭頭)、前方椎體受壓伴縱行骨折線,同水平椎管受壓。

爆裂骨折是因軸向負荷同時累及椎體前壁和后壁,表現分為不同程度的椎體前、后緣皮質不連續,椎體后緣碎骨片后移至椎管內(圖1b)。對應AOSpine分型中A3、A4型壓縮骨折,分別表現為單終板骨折并累及椎體后壁、椎體矢狀面縱向劈裂累及上下終板。

平移/旋轉創傷是因劇烈扭轉、剪切力或共同作用的嚴重創傷,表現為椎體前后移位、關節突關節分離脫位及肋骨橫突骨折,此類創傷通常合并后部韌帶及附件的創傷(圖1c),導致脊柱不穩。對應AOSpine分型中的C型。

牽張性創傷是由于脊柱的拉伸性斷裂引起的椎體、韌帶或聯合創傷,導致脊柱軸向失穩,分為后部韌帶撕裂導致椎體前部壓縮、前縱韌帶撕裂導致相鄰椎體分離成角(圖1d～f)。對應AOSpine分型中的B型張力帶損傷,按照損傷部位又分為單節段骨性后方張力帶損傷(B1型),表現為橫向骨折線貫穿單節段椎體;后方張力帶斷裂(B2型),表現為后方張力帶斷裂伴或不伴椎體骨折;前方張力帶損傷(B3型),表現為前方結構(骨/椎間盤)斷裂或分離、后方結構受擠壓。

②PLC評估:主要由棘上韌帶、棘間韌帶、黃韌帶和小關節囊構成,目前MRI檢查被認為是診斷PLC創傷的金標準,在急性脊柱創傷患者中CT檢查因掃描時間短、診斷準確度高而被作為首選影像檢查。在評估PLC的完整性時應采用MPR技術顯示脊柱正中矢狀面及軸面圖像,測量后凸楔變角(傷椎上下終板夾角)、Cobb角(傷椎上位椎體上終板及下位椎體下終板夾角)[8]、棘突間距增加值(increased interspinous distance,IISD)及椎弓根間距增加值 (increased interpedicular distance,IIPD),當IISD增加值>2.2 cm時,伴或不伴IIPD增加值>1.0 cm,均提示存在PLC創傷(圖2a～f)[9]。

圖2 評估PLC完整性。a) 傷椎后凸楔變角α; b)傷椎上下終板夾角(cobb角)、ABC線分別為傷椎上位椎體、傷椎及傷椎下位椎體棘突; c)患者腰椎 MR圖矢狀面示棘間及棘上韌帶廣泛FST2WI高信號;d)傷椎上位椎體椎弓根間距(20mm);e)傷椎椎弓根間距(24mm);f)傷椎下位椎體椎弓根間距(22mm),椎弓根間距增加值IPD=傷椎椎弓根間距-(上位椎體椎弓根間距+下位椎體椎弓根間距 )/2。

③神經累及評估:表現為神經根、脊髓、圓錐和馬尾神經的損傷(圖3)。MR顯示神經損傷的敏感度優于CT。需說明的是完全脊髓損傷從手術中獲益較完全性脊髓損傷更多,因此,TLICS系統中將完全性脊髓損傷評為2分,不完全性脊髓損傷評為3分,分值高低是與手術減壓的必要性相關的。

圖3 脊髓完全性損傷和不完全性損傷。a)傷椎層面腰椎CT軸面圖像見腰1椎體爆裂骨折并脫位,同水平脊髓斷裂; b)腰椎正中矢狀面CT圖像見腰1椎體爆裂骨折并脫位,同水平脊髓斷裂(箭); c) 胸6-胸8椎體爆裂骨折并脫位,繼發相應水平椎管狹窄、脊髓損傷(箭)。

脊柱損傷程度評分:根據骨折形態、PLC評估和神經累及情況(表1),將各項指標單獨評分累加得到總分。如有同一椎體水平有多種骨折形態改變,則以最嚴重的形態評分為準;如存在多節椎體病變,則以總評分最高的椎體水平為準。通常創傷較重時總評分較高,提示手術治療的必要性增加。另需說明的是AOSpine分型中A4型壓縮骨折損傷形態分級較B1型損傷形態更嚴重,A4型的損傷形態較A3型更接近于B2型。因此,將A4型評為5分,而不是將B1型降級為4分[4]。

表1 TLICS及TLAOSIS評分方法

TLICS系統中患者總分≤3多考慮非手術治療;總分≥5分考慮手術;4分者為中間狀態,據情況選擇手術或非手術治療[3]。TLAOSIS系統中患者總分≤3多考慮非手術治療;總分>5分考慮手術;4分、5分者為中間狀態,據情況選擇手術或非手術治療[4]。

3.其他所見

應關注掃描范圍內是否存在多發肋骨骨折、內臟創傷性等,還應觀察潛在手術入路的軟組織病變(如挫傷、水腫、脂肪瘤、血管瘤等),為陽性發現則影響治療計劃的制定。其他慢性骨病變(如脊柱側彎、強直性脊柱炎、骨質疏松等)也會影響治療方案的選擇。

胸腰椎創傷結構化報告的應用展望

結構化報告有利于規范影像報告的內容,提高報告信息的完整性,提高信息傳遞的準確性,提高工作效率(圖4)?；赥LICS及AOSpine分型評分系統的結構化報告簡單易用,可成為影像醫生與臨床醫生有效溝通的載體。對病灶的規范描述、評分和提供關鍵圖像可以將影像檢查結果直觀地展示給臨床醫師,有利于術者方便、準確地提取影像報告中的信息,做出臨床決策[10-13]。

圖4 腰椎創傷結構化報告模版示例。

結構化報告有利于規范化搜集臨床和影像數據,用于胸腰椎創傷分類的進一步研究。雖然TLICS評分是簡便易用、可信度及可重復性較高的臨床工具[14,15],但仍有其局限性。首先,TLICS評分中總分為4分時為“灰區(gray zone)”,對臨床決策的意義尚不明確。其次,目前我們應用TLICS及AOSpine評分僅是基于影像的客觀評價,而實際工作中治療決策還需補充重要的臨床主觀評價以綜合做出決策。第三,TLICS及AOSpine評分僅關注局部脊柱創傷情況,而掃描范圍內其他所見如合并臟器創傷、脊柱基礎疾病等也能顯著影響治療決策。我們的結構化報告分別記錄了TLICS及AOSpine評分,還包括了臨床評估、其他影像評估等內容,將這些結構化數據搜集、整理可與臨床決策、臨床結局進行驗證研究,有望優化分型方法,形成更合理的創傷評分系統[1]。

結構化報告可為影像組學和人工智能技術嵌入臨床實際工作流程提供一個平臺。多項研究已經證明AI有望用于脊柱創傷和脊髓損傷診斷[16,17],文獻報道使用深度學習模型可以準確地定位骨折位置,對PLC損傷的檢出準確率可達86.6%[18]。本團隊既往研究中已通過訓練腰骶椎、椎間盤分割模型完成了腰骶椎各結構分割及椎間盤自動定位,并按臨床術中所需,通過算法對壓縮骨折的患者行各椎體水平椎弓根徑線的測量(圖5)。在目前結構化報告的基礎上,結合患者實際脊柱解剖結構及手術置釘方式,訓練深度學習模型,輔助測量術中所需各項參數,并將測量結果自動導入結構化報告中以供臨床術前參考、選擇術中用材尺寸等,進而提高醫學影像在精準醫療中的應用價值。

致謝:感謝北京賽邁特銳醫學科技有限公司張雖雖、趙治鋒、呂磊、段博文在結構化報告構建的貢獻,王祥鵬、李世佳參與AI工作的討論。