足踝疾病专病库建设与具身智能的临床应用

足踝疾病专病库建设与具身智能的临床应用足踝外科在维持人体负重、平衡及运动功能中具有重要作用。足踝部解剖结构很复杂，关节、韧带及相关软组织数量众多，疾病谱包含创伤、畸形、退变及运动损伤等多种类型，因此临床诊疗时，其影像学依赖程度高、功能评估维度多、随访周期长、个体差异也明显。在实际临床工作里，足踝疾病诊疗很少靠单一检查就能做出判断，一般得结合病史采集、体格检查、影像学表现、负重功能状态、患者主观需求及术后康复可能性等多方面信息来综合判断。近些年来，ＡＩ技术在足踝专科的探索不断增多，但大多数研究还是在孤立的影像学方面，像对骨折部位的识别、分型判断或者角度的测量[１]。这些研究都表明底层算法在技术方面是可行的，不过离真实临床中的决策还是有一定差距。足踝外科领域中，数据准确率不能单独作为衡量临床价值的标准。一线医师更看重的是，这种技术在临床应用后能不能减少漏诊误诊的情况？能否提高术前评估的一致性？能否帮助康复过程管理？因此，足踝领域的ＡＩ要真正应用于临床，还得依靠围绕具体病种构建的专病库，把影像、功能评估、生物力学特征和随访信息连成一条连续的证据链。倡导“数据驱动”并不是要取代传统经验医学。临床医师在体格检查、影像判读、术式选择及并发症处理等方面积累的经验，仍然是足踝外科诊疗的基础。专病库的核心使命就是借助规范化采集、可追溯的质量把控以及多维大数据的整合，来辅助这些经验判断，让其更稳定、更可比较。临床医师真正想要的，不是系统替自己下结论，而是在复杂病例里补充病情信息、提示风险，还能提供更长随访周期中的结局参照。这种以数据来支持经验、而不是以算法取代经验的思路，也更契合当下医学ＡＩ由技术可行迈向临床可用的发展方向[２]。按照这一认识，下面将从多模态数据融合平台、相关算法与分析工具、智能诊疗系统应用以及临床实践案例等方面来讨论足踝外科数字化专病库建设及其应用进展。一、技术创新（一）多模态数据融合平台足踝疾病专病库建设的前提，是围绕具体病种搭建多模态数据融合平台。传统电子病历归档主要负责信息保存，而专病库更看重把结构化临床资料、影像学、功能学以及随访信息系统整合起来，构建起一个能持续评估和决策支持的数据体系[３]。纳入内容一般包含负重位Ｘ线、ＣＴ、ＭＲＩ、超声、步态视频、足底压力、活动度测量、患者报告结局及远程康复日志等。对临床医生而言，多模态平台建设的重点在于回答几个最实际的问题：患者当前处于什么分层，下一步该保守治疗还是手术，术后恢复是否达标，还有哪些患者需要更密切的复诊和干预。针对足踝外科常见门诊病种外翻，专病库除记录基线人口学特征外，还应重点纳入外翻角、第１、２跖骨间角（ｉｎｔｅｒｍｅｔａｔａｒｓａｌａｎｇｌｅ，ＩＭＡ）以及远端跖骨关节面角（ｄｉｓｔａｌｍｅｔａｔａｒｓａｌａｒｔｉｃｕｌａｒａｎｇｌｅ，ＤＭＡＡ）。另外，籽骨移位情况、第１跖趾关节活动度、是否合并第２跖痛、术前足底压力分布及术后复发情况等指标，都该作为核心变量予以录入；针对慢性踝关节不稳定患者，专病库则应记录初次受伤机制以及反复扭伤次数。在此基础上系统整合前抽屉试验或应力位影像特征、平衡功能的量化测试得分、患者对康复训练的依从性及重返运动时间；在评估成人获得性平足（即进展性塌陷足）患者时，专病库则需要纳入更为精细的生物力学与影像学测量值，如Ｍｅａｒｙ角、跟骨倾斜角、距跟角以及后足力线走向，还得结合超声或ＭＲＩ评估胫后肌腱状态，并严密排查是否合并三角韧带或弹簧韧带复合病变；在跖腱膜炎的临床追踪里，需要同步采集患者症状学方面的信息，如晨起第一步痛、跟骨内侧结节压痛、超声下跖腱膜厚度、踝背伸受限程度以及保守治疗依从性[４]。上述数据经过标准化采集与整理后，能让医生更直观地比较同一病种不同患者之间的基线差异、治疗过程和结局变化。多模态平台建设的关键就是围绕临床问题设计核心数据集，而不是仅仅把不同系统里的字段整合起来。对医生而言，关键是首先弄清楚哪些信息可用于初诊分层，哪些信息会影响保守治疗或者手术方案的制定，还有哪些指标能够体现短期恢复和长期预后。依据这些问题进一步明确采集的时间点，这能更好地控制冗余字段的数量，减少后期数据清洗和整理成本。在结局指标的设置上，除了影像学参数，功能量表和患者报告结局同样也应纳入专病库。在以往的足踝研究里，结局指标繁杂，不同研究之间可比性也不够[５]。足踝能力评定量表及其日常生活活动和运动两个分量表，具有较好的可靠性、响应性和结构效度[６]；近年的系统评价也表明，足踝外科结局评价里，美国足踝外科协会评分等工具还是被广泛使用，不过不同量表的验证充分性依然存在差异[５]。因此，在专病库建设初期，应尽可能统一核心结局指标、量表种类及采集时间窗口，这样更有利于后续科研分析、质量控制以及多中心结果比较。在医疗场景里，对数据中台的理解也应更贴近临床实际。医院现有的临床数据存储库或临床数据中心其主要功能大多集中在数据的汇聚、存储和查询上；而要建设足踝专病库，需要数据中台承担数据标准制定、清洗转换、标签生成、质量核查、接口服务及科研复用等任务[７]。也就是说，数据中台不仅要把分散的数据收集起来，还要把数据整理成能够被持续使用的形式，使其既能服务门诊和病房中的临床判断，又能在符合伦理审查和授权管理要求的前提下，服务于真实世界研究和模型开发。站在多中心协作的角度来讲，构建可信的数据空间是数据治理流通的基础，与过去将各中心原始数据集中上传在一个平台不同，可信的数据空间是在不需要各个医院对本地数据进行存储的前提下，通过身份核验、使用授权、过程记录和责任追溯的方式，使得整个数据合作的全过程能够管理、监督、追溯[８]。此外，各个医院还要尽可能将病例记录方法、指标定义、标注标准、质量控制要求和伦理管理政策等统一起来，只有在这些基本原则一致的前提下，不同医院的数据才能“看得懂、对得上、比得了”，以后才有可能在不汇集原始数据的前提下进行联合分析、联合模型训练和外部验证（也就是联邦学习）。这种逻辑在足踝疾病方面具有现实意义。单中心凭借自身优势积累较高质量的数据，可仍然受到单一地理隔阂，局部样本很难覆盖不同地区、不同硬件设备以及患者人群本身所具有的差异。（二）ＡＩ算法与模型构建１．影像ＡＩ：影像ＡＩ是足踝专病库中较早开展应用探索的方向之一。足踝外科日常诊疗很依赖负重位Ｘ线、ＣＴ和ＭＲＩ，不少常见疾病也有明确的影像参数和分型依据，因此更适合开展目标较为清晰的辅助识别和分型评估。近年来的研究表明，深度学习和计算机视觉技术在不少典型场景中有着不错的应用潜力，例如用于Ｌｉｓｆｒａｎｃ损伤识别、跟骨骨折Ｓａｎｄｅｒｓ分型、外翻相关角度测量及踝关节骨折的自动分类等[１-２,９]。以Ｌｉｓｆｒａｎｃ损伤为例，临床上比较容易漏诊的是扭伤后仍可勉强负重、常规Ｘ线表现不典型的隐匿性不稳定的情况。此类患者医生一般不会仅凭１次Ｘ线片阴性结果就排除诊断，若跖跗关节区压痛明显，尤其伴有足底瘀斑等提示性体征，往往还需要进一步结合ＣＴ或负重位ＣＴ进行评估[４,１０]。因此，在这种情况下，影像ＡＩ更适合用来提示异常征象，辅助测量，例如自动识别第１、２跖骨基底间隙异常、内侧楔骨与第２跖骨基底对位异常及跖跗关节排列不对称等征象，而不能脱离临床表现单独给出诊断或治疗建议。在部分需要精细术前规划的疾病中，影像ＡＩ分析也有着应用前景。例如，终末期踝关节炎拟接受全踝关节置换的患者，术前需尽量准确地评估个体化的胫距关节力线及运动学特征，数字化建模结合机器学习为这类精准规划提供了新的技术手段[１１]。在另一类以综合判断为主的足踝疾病中，影像ＡＩ的应用边界仍需把握清楚。对于成人获得性平足患者，影像ＡＩ分析不能只关注足弓高度变化，还要同时关注后足外翻、前足外展以及胫后肌腱、弹簧韧带等软组织的状态；跖腱膜炎的判断也不能只看超声显示的跖腱膜增厚，得结合临床症状和负荷情况综合分析。这些例子表明，足踝影像ＡＩ更适合作为临床判断前的量化助手和异常提示工具，它更多是帮助医生提高识别效率和测量一致性，真正进入临床时，分层评估、功能判断和医生经验仍必不可少。２．生物力学数据分析：足踝外科和其他亚专科相比，有一个重要区别，就是疾病评价不光看结构异常，还得看功能输出。足底压力检测、步态分析、关节活动度测量和动作视频识别等生物力学数据，能够将患者“走得是否平稳”“疼痛是否影响负重”“能否恢复运动”等临床问题转化为连续、可量化的指标。临床应用方面，生物力学分析可以补足许多单纯影像学检查难以回答的问题。外翻患者术前常出现第一射线负重减弱以及跖骨头负荷转移的情况，要是术后影像角度有所改善而前足压力分布仍未恢复正常，患者或许还是会持续有前足疼痛或步态不适。慢性踝关节不稳定患者即使静态影像显示正常，动态平衡测试和步态参数仍可能反映出患侧着地控制不足、双侧步长不对称或回避性负重等功能异常。这些信息可辅助评估康复效果以及重返运动的可能性[１２]。生物力学数据跟影像参数比起来，更接近患者的真实生活和运动状态，因此它在足踝专病库里的作用，就是给疾病评估和疗效判断提供功能上的客观依据。３．知识图谱构建（ＤｅｅｐＳｅｅｋ大模型）：仅靠结构化数据和统计模型通常还不足以形成解释性较强、符合临床思维方式的辅助系统。足踝疾病的诊疗流程包含症状、体征、检查、诊断、治疗以及康复建议等很多环节，要是没有比较清晰的知识组织框架，系统输出就很容易停留在结果上，临床医生也很难追溯其判断依据。近年的研究认为，知识图谱能以很强的可解释性来表示疾病、症状、检查、治疗以及它们的关系，还能把指南、临床路径和专科经验变成更适合计算机调用的结构化知识，这样就提高了临床辅助系统的透明度和可追溯性[１３]。在这一基础上，引入以ＤｅｅｐＳｅｅｋ等为代表的大语言模型，其作用是让系统能以更贴近临床实际的方式组织信息，例如从主诉和体征入手，结合影像与功能评估，逐步生成对诊断思路、治疗选择和随访重点的辅助提示[１４]。根据上海市第六人民医院足踝外科专病库建设专科知识图谱的探索经验，将知识图谱与大语言模型结合，可缓解纯大语言模型回答时依据不明、解释性弱等问题，故该结合方式更适用于医疗场景中的辅助推理，而非脱离证据的独立决策[１５]。在实际医疗运作里，这类架构更适合用作规范化辅助工具，能帮助医生更系统地整合证据、提升信息提取与表达的一致性，让建议能对应到比较清晰的知识来源和推理路径。在足踝专病库建设中，这种工具能够进一步用于辅助问诊、病历质控、康复处方模板整理以及随访重点提示等。这样一来，常见病种在信息采集、病历表达和随访管理方面就更规范了，文本资料的异质性也减少了，给后续模型开发和多中心协作打下更稳定的数据基础。（三）智能诊疗系统应用：门诊具身机器人以及智能远程康复设备纵观医疗领域，具身智能其实就是把传感、特征识别、多模态分析和动态反馈等功能深度融入实际的诊疗流程之中。借助这类设备，临床医生可以在门诊预诊、功能筛查、康复训练及随访管理等环节都得到很强的支持。在足踝外科应用里，这类系统要是想真正实现其核心价值，必须靠坚实的数据基础，包括多模态数据平台、高精度的影像分析工具以及标准化的专科知识图谱。就其临床属性而言，这类系统一直遵循临床辅助工具的定位，而不是决策主体。在应用设计方面，前端模块能够承担门诊候诊时的病史采集、临床量表填写和步态初步筛查任务，后端模块则负责居家康复监测、记录患者训练依从性，并在检测到异常时及时发出提醒[１６]。以上海市第六人民医院足踝外科与清华大学合作研发的门诊具身机器人为例，该系统正是在候诊和复诊环节整合智能问诊、体征探测、多模态分析和辅助评估的创新尝试。与之协同运行的远程智能康复设备，将以往处于“监控盲区”的术后及居家阶段的信息，转变为可记录、可测量、可追踪的随访信息。从现实中看，这类设备的目标不是替代康复师或者门诊医师，而是尽量承担重复性、机械性的采集和记录，提升早期筛查和随访管理的规范性，并且为以往难以量化的康复过程留下可追溯的数据。比如跖腱膜炎患者可持续追踪小腿后群肌肉牵伸、足底筋膜牵伸和日常负荷管理的执行，避免临床只依靠单次复诊患者的自述判断疗效的情况出现。对于慢性踝关节不稳定患者，可以追踪平衡训练完成的情况、双侧的步态对称性的变化和重返运动前后的功能差异，提前发现需要提前复诊或者调整康复方案的人群。但是如果没有专病库在底层做支撑，这类设备很容易停留在“能采集数据”的层面，虽然记录了一些信息，但是无法形成有解释意义的判断，更无法嵌入到现有的规范化诊疗路径之中，因此，只有当专病库的相关疾病亚型划分、数据标注、知识图谱和随访终点标准日益完善时，门诊智能设备和远程康复系统才有可能分别成为门诊入口和随访延伸工具，真正进入到筛查、治疗和康复管理全过程牗图１牘。二、临床实践案例（一）外翻手术数字化应用足踝外科最常见的畸形之一就是外翻，它是体现专病库与数字化诊疗协同价值的代表性病种。该疾病的诊疗路径已经趋于完善，包含外翻角、ＩＭＡ等客观的影像学检测，还有疼痛缓解、步态重建、鞋类耐受度以及患者整体满意度等功能性结局。正因如此，外翻适合建立一条贯穿初诊评估、治疗决策、远程康复及长期随访的全周期数据链条。上海市第六人民医院足踝外科在外翻的数字化诊疗上已经积累了不少经验，临床团队在专病库基础上，把影像学数据、步态分析及术后评分功能表整合起来，给术前评估和优化手术方案提供支持。同时把骨科手术智能导航、术前三维模型重建和术后智能康复管理模块相结合，进一步提升评估与治疗过程的一致性[３，１７]。除六院经验外，其他已发表研究表明，外翻数字化管理的价值，首先就是把骨性结构的影像矫正与功能恢复并轨。多项系统评价研究显示，传统开放手术与微创手术在影像学和临床最终结局改善方面各有特点，而远端跖骨截骨的群体在较长时间的随访里，还是得监测复发风险[１８]。Ｓｃｈｕｈ等[１９]对经历Ａｕｓｔｉｎ或Ｓｃａｒｆ术式的患者进行多模态康复术后６个月随访后发现，第１跖趾关节的负重功能及步态周期中的负荷传递都朝着好的方向发展。这一发现表明，即使影像学畸形得到矫正，术后也得依靠严谨的康复训练来重塑功能。与此同时，Ｘｉａｎｇ等[２０]进行的荟萃分析与系统评价进一步表明，不管是保守治疗还是手术干预，前足足底压力的科学再分配都对疗效成败至关重要，不同治疗方式在步态恢复方面的表现也有差别。另外，随机对照研究表明，在精准把握适应证且确保固定可靠的前提下，特定患者的适度提前负重或许能缓解早期疼痛、减少关节僵硬，进而促使患者更快恢复日常活动[２１]。以上结果表明，要是专病库能够精准且同步地记录术式类型、负重时间、康复节奏、步态力学指标及患者报告结局，就更有可能为临床中不同特征和不同术式后的患者匹配量身定制的康复计划。分析这一典型病种数字化管理的演进过程，专病库的作用不只是记录结果，它还得靠海量、连续的数据积累，来逆向优化临床诊疗路径。具体到外翻患者，要让影像参数、术式选择、术后功能打分、主观满意度以及远期复发风险等放在同一框架里一直观察，这样才能更有可能提高判断的精准度、手术策略的科学性以及医患沟通质量。因此，外翻的数字化应用，不只是医疗技术工具的更新，其实就是在整个单病种临床管理模式上进行了深刻的重塑。（二）慢性踝关节不稳康复与随访如果说外翻更加侧重于专病库的术前评价和手术决策，慢性踝关节不稳定则更侧重于专病库的随访和康复监测。慢性踝关节不稳定是急性踝关节扭伤的后遗症，病程较长、功能受限、复发率高，对康复训练依赖性强[１１]。这类疾病在临床管理中的难点在于，单次门诊检查或单次影像学评估仅仅能反映患者某一时段的状况，很难完整呈现其变化过程。患者从反复扭伤到运动恐惧、平衡减退再到康复训练中断，这是一个过程，需要专病库持续的纵向管理。这类患者不能简单的认为是否手术，需要结合多方面的动态信息判断。如早期步态生物力学是否异常，足底压力是否发生改变、表面肌电反映的神经调控是否异常，患者是否真正执行了本体感觉训练或不稳定平面训练等康复方案[２２]。这些因素都会影响踝关节功能恢复，也会影响患者何时能够重返运动、以及恢复后质量如何。上海市第六人民医院足踝外科一直致力于慢性踝关节不稳定的规范化诊疗，也参与了国内一些康复规范的制定[１０]。经过不断的临床实践，在本中心形成了相对完整的管理路径，将手术治疗、术后训练与长期随访相统一。结合智能远程康复系统的运用经验，手术只是慢性踝关节不稳定的开始，真正要做的是对关节静态稳定、功能恢复以及重返运动安全进行阶段性评估。专病库的作用是其临床价值最为集中的表现，除本中心经验外，现在真实世界的证据也在逐渐增加。Ｍｏｕｓａｖｉ等[２３]的系统评价和ｍｅｔａ分析表明，在康复训练中应用视觉或听觉生物反馈，可帮助患者主动调整压力中心分布和足底受力方式，使患者更加符合正常生物力学原理，也可为在家进行动作姿态实时校正提供依据。从这个病种的发展与管理特征可以看出，如果足踝疾病的结局指标只包括功能恢复，具身智能数字化管理更多表现在康复和随访环节而不是院内诊断层面，如果可以将门诊初筛、影像学评估、手术、康复训练、长期结局等连续加入专病库，就可以给慢性踝关节不稳定建立从首诊到功能恢复全流程的数据支撑体系，再损伤风险识别、个体化康复方案调整、真实世界疗效评价，都有了更强的数据支撑。三、数据安全与伦理合规（一）患者知情同意与数据授权随着专病库和各具身智能设备的普及应用，“知情同意”不仅仅局限于纸质签字阶段，还应该转化为具有清晰的、可操作性的数据授权机制，患者授权的内容也不仅仅是是否同意采集数据，还应该包括患者说明数据采集的目的、使用范围、共享边界、是否进行去标识化处理、是否用于模型训练及撤回授权等问题，因为在足踝外科环境下，步态视频、足底压力轨迹、语音问诊记录及康复动作数据都具有很强的个体识别性，所以要尊重患者知情权和自主选择权，这是医学伦理的底线，也是相关技术正常进入临床运行的前提。（二）数据去标识化与存储数据安全保护应贯穿数据采集、传输、存储和使用全过程。对于文字病历和结构化指标，去除姓名、证件号码和联系方式仅是基础步骤；影像、视频和语音这些对敏感度较高的数据，得结合脱敏处理、加密存储、分级分类管理以及最小必要访问控制等措施，这样才能减少身份回溯和信息泄露的风险。在多中心协作背景下，只有各参与单位在数据字典、质量控制规则及伦理边界等方面基本保持一致，联邦学习和可信数据空间等机制才具备实际应用基础[６-７]。因此，从临床团队的角度看，数据安全不是信息部门的附属工作，而应是专病库建设和运行中的基本要求。（三）ＡＩ辅助决策责任与风险控制在实际的数智化医疗应用中，ＡＩ辅助决策的责任是否被完全执行。不论是影像识别模型、门诊智能辅助设备，还是远程康复系统的输出结果都只能是次级的辅助判断和风险警示结果，都不能作为最终的医疗决策。临床诊断的具体定性、治疗方案、处方和随访，都由足踝外科医师完全主导，并最终承担责任。尤其是Ｌｉｓｆｒａｎｃ损伤、重度复杂型塌陷足、合并跖痛严重、外翻，还有高水平运动员慢性踝关节不稳定这种类型的患者，标准化的模型输出很难解决病患之间错综复杂的异质性，而且要把病患的职业诉求、日常活动情况、软组织以及全身病情等诸多方面都考虑进去，最终要做出全局性的综合权衡，并且医疗机构要建立严格的模型管控、版本管理、性能监测、异常上报和人工复核机制。只有医师一直处于决策主导地位，这些ＡＩ辅助工具的临床使用才能更安全、更可接受。四、研究局限与展望目前来看，足踝专科的专病库与相关智能化应用研究，还有几块明显不足之处。首先，既往的学术研究集中于门诊高频疾病，对复杂创伤、高难度翻修手术、罕见畸形或是合并全身性疾病患者，现有方案的覆盖范围还比较有限。其次，多模态数据完整性有失衡之处，影像资料获取起来比较容易，但像长期功能评分、患者报告结局以及居家康复动态这些，就很容易被当作采集盲区。另外，当下的数据只是单中心实践，没有跨区域、有前瞻性规划且有严谨对照组的高级别临床验证，因此这些技术到底能不能真正优化诊疗流程、改善患者结局，还是缺少更有力的证据支持。而且，相关算法在不同地区、不同设备条件和不同人群中的适用性与稳定性还得进一步验证，其决策过程的可解释性也得提高，还得在更严格且真实的临床评价框架下持续检验。总体来看，下一步的工作重点还是要解决临床最实际的问题，相关技术值不值得推广不能仅看算法，还要看其真正解决的问题是如何提高诊疗一致性、缩短功能恢复时间、减少复发、再手术风险、提高患者体验，必要时还要进行卫生经济学评价；专病库的建设仍然要结合具体病种进一步细化核心数据集、标注规范和远期随访终点等，逐步形成能够推广及复用的专科数据标准；多中心协作也应进一步强化联邦学习、可信数据空间等方面，在保证患者隐私、数据安全的前提下进行外部验证和跨中心校准，让技术先解决较为紧迫的临床问题，再进一步应用到复杂场景中。五、小结总体而言，打造足踝专科疾病数据底座，其逻辑重点不是追求概念上的“智能化”。其真正目的就是把碎片化的信息整合到形态学影像、生物力学步态、临床量表评分以及康复随访中的信息里，构建起全程可追踪、可比较、可反馈的连续证据体系，给病情精准分层、疗效评估和长期管理打基础。具身智能在足踝外科中的价值，主要就是把证据自然地融入门诊预诊、功能筛查、康复指导和随访管理等具体环节。上海市第六人民医院足踝外科近年数智化发展显示，专病库构建与智能化技术应用需以病种精准聚焦、数据规范治理、知识体系与模型工具协同发展、伦理边界明晰以及临床结局导向明确为基石，方能逐步转化为稳定且可验证的专科能力。对本文的医学读者来说，切莫把目光太集中到某项技术是否新颖上，而是要看它能不能辅助临床医师更规范地评估病情、更合理地制定治疗策略、更持续地开展康复管理，最终改善患者结局，给广大病患带来更好的转归。参考文献[1]OlczakJ,PrijsJ,IJpmaF,etal.Externalvalidationofanartificialintelligencemulti-labeldeeplearningmodelcapableofanklefractureclassification[J].BMCMusculoskeletDisord,2024,25(1):788.DOI:10.1186/s12891-024-07884-2.[2]RajpurkarP,ChenE,BanerjeeO,etal.AIinhealthandmedicine[J].NatMed,2022,28(1):31-38.DOI:10.1038/s41591-021-01614-0.[3]李亚民，马昕，施忠民.足踝外科一体化数智诊疗中心建设的现状与展望[J].国际外科学杂志,2025,52(11):729-733.DOI:10.3760/115396-20251030-00271.LiYM,MaX,ShiZM,etal.Currentsituationandprospectoftheconstructionofanintegrateddigitalandintelligentdiagnosisandtreatmentcenterforfootandanklesurgery[J].IntJSurg,2025,52(11):729-733.DOI:10.3760/115396-20251030-00271.[4]ChenC,JiangJ,WangC,etal.IsthediagnosticvalidityofconventionalradiographyforLisfrancinjuryacceptable?[J].JFootAnkleRes,2023,16(1):9.DOI:10.1186/s13047-023-00608-0.[5]ShazadehSafaviP,JanneyC,JupiterD,etal.Asystematicreviewoftheoutcomeevaluationtoolsforthefootandankle[J].FootAnkleSpec,2019,12(5):461-470.DOI:10.1177/1938640018803747.[6]MathenyLM,ClantonTO.Raschanalysisofreliabilityandvalidityofscoresfromthefootandankleabilitymeasure(FAAM)[J].FootAnkleInt,2020,41(2):229-236.DOI:10.1177/1071100719884554.[7]DAMAInternational.DAMA-DMBOK:datamanagementbodyofknowledge[M].2nd.SanRafael,CA:TechnicsPublications,2017.[8]RiekeN,HancoxJ,LiW,etal.Thefutureofdigitalhealthwithfederatedlearning[J].NPJDigitMed,2020,3:119.DOI:10.1038/s41746-020-00323-1.[9]WangY,LiY,LinG,etal.Lower-extremityfatiguefracturedetectionandgradingbasedondeeplearningmodelsofradiographs[J].EurRadiol,2023,33(1):555-565.DOI:10.1007/s00330-022-08950-w.[10]TalaskiGM,BaumannAN,WalleyKC,etal.Weightbearingcomputedtomographyvsconventionaltomographyforexaminationofvaryingdegreesoflisfrancinjures:asystematicreviewoftheliterature[J].FootAnkleOrthop,2023,8(4):24730114231209767.DOI:10.1177/24730114231209767.[11]HernigouP,OlejnikR,SafarA,etal.Digitaltwins,artificialintelligence,andmachinelearningtechnologytoidentifyarealpersonalizedmotionaxisofthetibiotalarjointforroboticsintotalanklearthroplasty[J].IntOrthop,2021,45(9):2209-2217.DOI:10.1007/s00264-021-05175-2.[12]TedeschiR,RicciV,TarantinoD,etal.Rebuildingstability:exploringthebestrehabilitationmethodsforchronicankleinstability[J].Sports(Basel),2024,12(10):282.DOI:10.3390/sports12100282.[13]ShangY,TianY,LyuK,etal.Electronichealthrecord-orientedknowledgegraphsystemforcollaborativeclinicaldecisionsupportusingmulticenterfragmentedmedicaldata:designandapplicationstudy[J].JMedInternetRes,2024,26:e54263.DOI:10.2196/54263.[14]XuR,JiangP,LuoL,etal.Asurveyonunifyinglargelanguagemodelsandknowledgegraphsforbiomedicineandhealthcare[J].KDD,2025,2025:6195-6205.DOI:10.1145/3711896.3736556.[15]张解元，施忠民.数智化医疗在足踝外科中的应用现状与展望[J].国际外科学杂志,2023,50(11):721-725.DOI:10.3760/115396-20231006-00079.ZhangJY,ShiZM.Currentsituationandprospectofapplicationofdigitalintelligentmedicineinfootandanklesurgery[J].IntJSurg,2023,50(11):721-725.DOI:10.3760/115396-20231006-00079.[16]兰沣卜，赵文博，朱凯,等.基于具身智能的移动操作机器人系统发展研究[J].中国工程科学,2024,26(1):139-148.DOI:10.15302/j-sscae-2024.01.010.LanFB,ZhaoWB,ZhuK,etal.Developmentofmobilemanipulatorrobotsystemwithembodiedintelligence[J].StrategicStudyofCAE,2024,26(1):139-148.DOI:10.15302/j-sscae-2024.01.010.[17]李广翼，施忠民，马昕.《第三代微创手术治疗拇外翻临床指南》要点解读[J].中华骨与关节外科杂志,2024,17(4):294-299.DOI:10.3969/j.issn.2095-9958.2024.04.02.LiGY,ShiZM,MaX.Keypointsinterpretationof"clinicalguidelineonthethirdgenerationminimallyinvasivesurgeryforhalluxvalgus"[J].ChinJBoneJointSurg,2024,17(4):294-299.DOI:10.3969/j.issn.2095-9958.2024.04.02.[18]LaleveeM,DeCesarNettoC,Re