原发性骨肿瘤（PBTs）与骨感染临床诊断难度大，二者在影像学表现、临床症状上高度重叠，且骨肿瘤罕见性导致专业放射科医生培养周期长、诊断一致性低，传统诊断依赖医师主观判断，易出现误差和治疗延迟。X 线片是骨科诊断首选辅助检查，但单一影像分析难以实现精准鉴别，且现有深度学习模型多聚焦影像特征提取，忽视临床特征整合与模型可解释性。因此，本研究旨在构建融合多中心 X 线影像与临床特征的集成深度学习框架，实现原发性骨肿瘤与骨感染的高效、精准二分类鉴别，并对比模型与不同年资放射科医生的诊断效能，为临床提供可落地的辅助诊断工具。
1. 技术路线
研究开展回顾性多中心研究，收集 2013-2022 年三家医院的原发性骨肿瘤与骨感染患者数据，经筛选最终纳入 1992 例患者（含 1208 例 PBTs、784 例骨感染），分为内部数据集（1569 例，含训练 / 测试 / 验证集）与外部验证集（423 例）；整合 X 线影像数据与年龄、病变部位、CRP/ESR/ALP 等临床特征，先构建基于 EfficientNet B3/B4、ViT、Swin Transformer 的 4 个纯影像深度学习模型，再通过随机森林算法融合影像模型预测结果与临床特征，构建集成模型；采用 GradCAM/ScoreCAM 实现模型可视化，同时纳入 6 名不同年资放射科医生进行诊断效能对比，从模型性能、诊断一致性、临床可解释性多维度验证框架有效性。
2. 研究人群与临床特征分析
纳入患者中位年龄 29 岁，PBTs 患者平均年龄显著低于骨感染患者（24.85±18.18 vs 45.65±18.95）；PBTs 病变多位于四肢骨（86.42%），骨感染多位于中轴骨（59.95%）；疼痛、肿胀、创伤史及 CRP、ESR、ALP 等炎症指标在两组间分布存在显著统计学差异（P<0.05），为临床特征纳入模型提供依据。PBTs 中良性亚型占比最高（767/1208），骨感染中骨结核为主要类型。
3. 纯影像深度学习模型性能验证
基于四种经典神经网络的纯影像模型均实现较好的二分类效果，其中 Swin Transformer 模型性能最优，内部测试集 AUC 达 0.946、准确率 87.2%，外部验证集 AUC 达 0.957、准确率 88.5%；EfficientNet B3/B4、ViT 模型性能相近，内部测试集 AUC 约 0.90-0.91，外部验证集 AUC 约 0.93-0.95，均展现出良好的影像特征提取能力。
4. 集成深度学习模型构建与性能最优验证
融合 4 个纯影像模型与年龄、性别、病变部位等临床特征的随机森林集成模型，性能显著优于所有纯影像模型（P<0.001）：内部测试集 AUC 达 0.948、准确率 88.1%，外部验证集 AUC 进一步提升至 0.963、准确率 89.5%，且在敏感性、特异性、PPV/NPV 等指标上均实现全面优化，证实影像 + 临床特征的融合可显著提升诊断精准度。
5. 模型与不同年资放射科医生诊断效能对比
将 6 名放射科医生分为初级（2-4 年经验）、中级（8-10 年经验）、高级（10 年以上经验）三组，集成模型诊断准确率（88.1%）显著高于初级（75.8%）、中级（80.2%）、高级医生（83.6%）（P<0.001）；Swin Transformer 模型性能与集成模型相当（P=0.835），且同样优于所有年资医生；其余纯影像模型优于初、中级医生，与高级医生诊断效能相当，证实深度学习模型可有效辅助甚至超越临床医师诊断。6. 诊断一致性分析：模型显著优于医师
采用 Fleiss κ、Cohen κ 评估诊断一致性，结果显示：6 名放射科医生间的 Fleiss κ 仅为 0.401，呈中等一致性，且初 / 中级医生组内一致性更低（κ=0.267/0.295）；而各模型间的 Fleiss κ 达 0.800，呈极高一致性，集成模型与最优纯影像模型（Swin Transformer）的 Cohen κ 达 0.908，证实模型诊断结果更稳定、可重复，避免了人工诊断的主观差异。
7. 模型可视化与可解释性验证
采用 GradCAM 与 ScoreCAM 对模型决策过程进行可视化，结果显示模型可精准识别 X 线片中的病变核心区域（出血、坏死、钙化、炎性渗出等），与放射科医生诊断关注区域一致；其中 ScoreCAM 可同时聚焦成骨与破骨区域，病变边界划分更精准，GradCAM 则更关注骨增生、硬化区域，两种可视化方法为模型诊断提供了直观的临床解释，提升了模型的临床可接受度。
8. 典型病例诊断效能分析
对高频率病变（骨软骨瘤、骨肉瘤、骨结核、骨髓炎）的亚组分析显示，模型对骨软骨瘤诊断准确率达 100%，显著优于医师；对骨肉瘤、骨结核的诊断准确率（89.8%-95.9%、85.3%-90.6%）远高于医师平均水平（79.9%、66.9%）；同时发现，医师易将慢性硬化性骨髓炎、腰椎结核误诊为骨肿瘤，而模型可精准鉴别；模型的误诊主要集中于罕见病例（硬化性骨肉瘤、椎体巨细胞瘤），因训练集中罕见病例数据有限导致，而资深医师可凭借临床经验识别此类病例。
9. 模型泛化能力验证
外部验证集纳入儿童专科医院患者，进一步验证了模型的人群普适性，集成模型在外部验证集中的 AUC（0.963）较内部测试集略有提升，证实模型可有效适配不同医疗中心、不同年龄人群的 X 线影像数据，泛化能力优异。
该研究针对原发性骨肿瘤与骨感染临床鉴别难题，构建了融合多中心 X 线影像与临床特征的集成深度学习框架，通过对比四种经典神经网络模型，筛选出性能最优的纯影像模型并结合随机森林算法整合临床特征，最终实现了原发性骨肿瘤与骨感染的精准、稳定鉴别。该集成模型在内部 / 外部数据集中均展现出优异性能（AUC 0.948-0.963，准确率 88.1%-89.5%），诊断效能显著优于不同年资放射科医生，且诊断一致性远高于人工诊断；同时通过 GradCAM/ScoreCAM 实现模型可视化，明确了模型决策的影像学依据，提升了临床可解释性。
创新点在于突破了现有模型单一影像分析的局限，实现了影像与临床特征的有机融合，且首次系统对比了深度学习模型与不同年资放射科医生的诊断效能，证实了模型的临床辅助价值。研究结果为骨科临床提供了一种无创、高效、可落地的辅助诊断工具，尤其适合基层医院及缺乏专业骨肌放射科医生的医疗机构，可有效减少诊断误差、缩短治疗延迟；同时研究也为后续深度学习模型的开发提供了思路 —— 注重临床特征整合与模型可解释性，更贴合临床实际需求。
