De Novo Orthopedics
AI 如何改變骨科術後照護 — 2026 現場報告
Blog/

AI 如何改變骨科術後照護 — 2026 現場報告

2025 年 FDA 核准了 295 個 AI 醫療設備，創下歷史紀錄。骨折偵測準確率 98%，ML 模型在手術前就能預測誰會對膝關節置換不滿意（AUC 0.888）。但骨科 AI 的真正戰場不在手術室——而在術後那 90 天。

aiorthopedicssmart-implantirehab

不是未來，是現在

2025 年，美國 FDA 核准了 295 個 AI/ML 醫療設備——單年度歷史新高。截至 2025 年 3 月，累計超過 1,000 個 AI 設備取得上市許可，其中 97% 走 510(k) 快速通道。

但這些數字藏著一個不平衡：76% 集中在放射影像，只有約 5% 與骨科直接相關。

這不代表骨科不需要 AI。恰恰相反——它代表骨科 AI 還有巨大的空白等待填補。而這個空白最關鍵的區域，不在手術室裡，而在患者出院之後。

術前：AI 已經在改變手術規劃

影像診斷

AI 在骨折偵測上已達到 98% 的準確率，包括傳統方法難以辨識的隱匿性骨折。這不是實驗室數據——多家 FDA 核准的產品已在臨床使用。

3D 手術規劃

AI 可以在幾分鐘內將標準 X 光片轉換為 3D 重建影像——過去這需要幾天甚至幾週。外科醫師能從多個角度視覺化患者的解剖結構，在手術前就決定植入物的最佳尺寸和位置。

Zimmer Biomet 的 ROSA Knee 搭配 OptimiZe 技術，是業界唯一具備 AI 輔助自動化動力學對位（kinematic alignment）功能的手術機器人系統，已取得 FDA 許可。

術前風險預測

這是最令人興奮的領域。機器學習模型現在可以在手術前就預測：

  • 患者滿意度：一個基於 5,720 位膝骨關節炎患者的生物心理社會 ML 模型，預測術後兩年不滿意的 AUC 達到 0.888（KSS）、0.836（SF-PCS）、0.806（OKS）[1]
  • 誰不適合手術：另一個模型專門識別哪些患者不太可能從 TKA 中獲益[2]
  • 併發症風險：XGBoost 模型預測重大併發症的 AUC 為 0.68

前四大預測因子：術前功能分數、年齡、共病數、術前心理健康狀態。

這意味著什麼？如果你在術前收集 PROM（患者自評結果量表），你就有了 ML 模型最重要的輸入數據。風險分層不再需要等到術後出問題——而是在手術前就開始。

術中：機器人輔助正在普及

手術機器人不是新概念，但 AI 正在讓它們變得更聰明：

  • 即時回饋：術中骨骼切割的精確度校正
  • 個人化對位：根據患者特定解剖結構自動調整植入物角度
  • 學習曲線壓縮：AI 輔助降低了手術變異性，年輕醫師更快達到資深醫師的一致性

但手術本身只佔結果的一半。另一半是復健。

術後：真正的戰場

這是骨科 AI 最大的機會——也是最被忽略的領域。

電腦視覺：手機變成動作實驗室

基於手機相機的姿態估計技術（MediaPipe Pose、YOLO Pose）已經達到接近臨床等級的準確率：

  • 代償動作偵測：準確率 >98%[3]
  • 關節活動範圍（ROM）量測：準確率 89%
  • 延遲：<100 毫秒，足以即時回饋

SWORD Health（估值 40 億美元，2025 年以 2.85 億美元收購 Kaia Health）用平板感測器搭配電腦視覺做復健動作回饋。MedBridge 在 2025 年推出純手機相機方案，不需要額外硬體。

OpenCap 等開源方案甚至讓智慧型手機的動作捕捉品質逼近實驗室等級的系統。

結果預測：在問題惡化前介入

ML 模型可以在物理治療的第 7 次就預測患者的治療反應[4]——讓醫療團隊在問題惡化前調整方案。

穿戴式感測器的數據也在進化。2026 年的系統性回顧顯示，穿戴裝置讓骨刺激追蹤提升 52%、衝擊負荷追蹤提升 371%[5]。踝戴式 IMU 可以量測肢體負荷不對稱性——這是預測恢復偏軌的關鍵指標。

跌倒風險預測也取得突破：基於穿戴式感測器的功能測試數據，ML 模型可以預測全髖關節置換患者的跌倒風險。

智慧植入物：從動作到受力

Zimmer Biomet 的 Persona IQ 是目前唯一 FDA 核准的智慧骨科植入物。脛骨假體內嵌的 Canturio 擴展模組無線傳輸每日步態數據：步數、步態速度、ROM、步頻、步幅。

一項 150 位患者的臨床研究（2023-2025）顯示，感測器量測的 ROM 與門診量測高度相關[6]。搭配 WalkAI 演算法，系統可以預測哪些患者恢復良好、哪些需要額外協助。使用 Persona IQ + 照護管理平台的患者，術後一年結果優於傳統植入物。

但 Persona IQ 有兩個根本限制：

  1. 需要電池（壽命約 10 年）——這限制了它只能用於大型關節置換
  2. 量測的是動作，不是力——加速度和角速度告訴你膝蓋怎麼動，但無法告訴你組織介面承受多大壓力

這就是為什麼被動式植入感測器是下一個前沿。無電池的 LC 諧振感測器直接量測組織受力，不受植入物大小限制，可以用在旋轉肌袖修復和韌帶重建——這些 Persona IQ 無法觸及的手術。

從工具到系統：全棧 AI 的價值

市場上不缺 AI 工具。缺的是把工具串成系統的能力。

一個孤立的 CV 動作辨識 app 可以告訴患者「你的膝蓋彎曲角度是 110 度」。但它無法告訴你：

  • 這個角度相比上週進步了多少？（需要 PROM 時間序列數據）
  • 這個動作在修復部位產生了多大的力？（需要感測器數據）
  • 這個患者的恢復軌跡是否偏離了同類手術的預期曲線？（需要 ML 預測模型）
  • 醫師需不需要現在介入？（需要臨床決策支援）

真正的價值不在任何一個 AI 模型的準確率，而在數據流的完整性。

這就是谷盺生物科技的策略：植入物感測器（組織受力）+ 穿戴裝置（動作數據）+ PROM（患者感受）+ ML（預測和警報）→ 匯入醫師已經在使用的同一個平台（iRehab）。

不是要做每一個 AI 功能做到最好。而是要把對的數據，在對的時間，送到對的人手上。

市場：32% CAGR 的高速賽道

市場區隔2024-2025預測CAGR
AI 骨科影像$16.3 億$71.4 億 (2029)34.2%
AI 骨科手術$3.08 億$27.4 億 (2032)32.0%
智慧骨科植入物$288 億$383 億 (2030)5.9%
數位 MSK 照護$443.5 億$1,163.9 億 (2030)17.7%

AI 相關區隔的成長率（30-34% CAGR）是傳統骨科設備（5-6%）的六倍。訊號很清楚：價值正在從硬體轉移到數據和軟體。

但這不代表硬體不重要——恰恰相反。當軟體變得無所不在，獨特的數據來源才是真正的護城河。 植入式感測器提供的組織受力數據，是任何手機 app 或穿戴裝置都無法複製的。

結語：AI 不會取代骨科醫師

每次談到 AI in healthcare，總有人擔心「AI 會不會取代醫生？」

在骨科，答案非常明確：不會。

AI 可以偵測 98% 的骨折。但決定要不要開刀、開什麼刀、術後怎麼照顧——這些判斷需要的不只是影像辨識。需要臨床經驗、與患者的溝通、對個體差異的理解。

AI 真正改變的是：讓醫師在對的時間獲得對的資訊。

術前：ML 模型告訴你這個患者的風險在哪裡。術中：機器人幫你切得更精準。術後：感測器和 PROM 在門診之間持續匯報。

醫師還是決策者。AI 是讓他的決策更好的工具——前提是，數據有被收集、有被整合、有被送到他面前。

想了解 CMS 為什麼要求強制收集 PROM，請閱讀為什麼你的手術後需要追蹤 PROM。想了解復健的 90 天盲區如何被填補，請閱讀83% 的患者想要虛實兼具。

參考文獻

  1. Biopsychosocial ML models predict improvement after TKA. Scientific Reports. 2025. Nature

  2. Pua YH, et al. Identifying who won't benefit from TKA using ML. npj Digital Medicine. 2024. Nature

  3. Towards Intelligent Assessment in Personalized Physiotherapy with CV. Sensors. 2025. PMC

  4. Predicting Pain Response to Remote MSK Care. J Med Internet Res. 2024;26:e64806. PubMed

  5. Wearable Sensor Technologies Systematic Review. JMIR mHealth. 2026. JMIR

  6. Persona IQ Smart Implant Data Correlates to In-Office ROM. ScienceDirect. 2026. Link