本研究旨在采用多模型人工智能工作流程，系统评估系统性红斑狼疮（SLE）患者椎体骨折（VF）的发病率、患病率及危险因素，以此提升临床中 VF 的筛查效率与诊断精准度，为 SLE 患者骨骼并发症的早期干预提供循证支撑。

        本研究于PubMed、Web of Science、Embase 及 Cochrane Library 数据库开展系统性文献检索，创新性整合多模型 AI 工具搭建科研协作框架，实现荟萃分析全流程的智能化优化。依托 DeepSeek 的高效编程能力，生成高可靠性 R 语言脚本，完成文献精准筛选与复杂数据的统计整合；借助 Gemini 3.0 Pro 在高维度数据提取与图像识别方面的优异性能，实现研究数据的精准抓取及研究图表中可视化证据的高效解读。在研究质量评价阶段，采用纽卡斯尔—渥太华量表（NOS）联合 Gemini 完成标准化评估，该 AI与人工协作框架与人工审核的一致率达 94%，相较传统研究模式将总处理时间缩短 90%。

        研究结果显示，SLE 患者椎体骨折的汇总患病率为 23%，明确了该并发症在 SLE 人群中的高发特征；同时筛选出 VF 发生的核心危险因素，包括高龄、病程较长、糖皮质激素累积剂量较高、SLICC/ACR 损伤指数（SDI）评分升高、绝经状态、既往骨折史及骨密度降低。得益于人工智能工具的深度应用，本研究从文献检索、数据处理到稿件修回的全流程工作仅用时 43 天，大幅提升了临床科研效率。

        本研究证实，多模型 AI 工具的策略性整合可为临床荟萃分析提供高效解决方案，其中 DeepSeek 在编程环节的优化与 Gemini 在数据、图像处理中的精准应用形成互补，显著提速荟萃分析全流程，为临床科研的智能化开展提供了可行路径。临床层面，医师需对存在上述危险因素的 SLE 患者保持高度警惕，及时开展骨骼健康筛查与评估，以此降低 VF 的发生风险，改善 SLE 患者的整体预后。