近日发表的一篇研究显示，通过人工智能（AI）辅助骨质疏松诊疗可估算腰椎和股骨的骨密度（BMD），并有助于对骨量减少和骨质疏松症患者进行分类。

来自日本东京大学的Toru Moro教授表示，骨质疏松症可显著增加骨折风险，是导致老年人长期护理依赖和行动不便的主要原因，AI辅助诊疗系统的引入，使医生即便在没有BMD测量设备的环境中也能实现早期诊断，从而有助于患者进行生活方式干预或预防性治疗。

研究设计

本研究借助“预防残疾性骨关节炎/骨质疏松症研究（Research on Osteoarthritis/Osteoporosis Against Disability study）”的数据，利用包含深度神经网络的人工神经网络，来估算腰椎和股骨的BMD值，并将腰椎X线图像划分为不同的骨质疏松类别。

研究人员使用通过双能X线吸收测定法（DXA）测得的腰椎和股骨BMD值及预处理的X线图像对深度神经网络进行训练，随后通过五折交叉验证（5-fold cross-validation），评估估算BMD值的准确度。

研究结果

研究发现，在利用人工神经网络分析的1454 张X线图像中，DXA得出的BMD与AI估算的BMD相似：腰椎和股骨的BMD平均绝对误差为 0.076 g/cm²和0.071 g/cm²。对于骨量减少患者，分类的灵敏度在腰椎和股骨分别为86.4%和80.4%；特异性分别为84.1%和76.3%。

研究结论

值得一提的是，该AI模型可估算腰椎X线图像无法测量的股骨近端BMD，且精准度超出预期。对此，Moro教授表示，通常成像视野之外的解剖学信息较难预测，但该AI模式或具有基于腰椎X线图像捕捉的骨骼相关特征精准地推断股骨BMD的潜力。

Moro教授表示，目前其及同事正在研发适用于其他解剖部位的类似AI工具，如膝关节、颈椎、胸部和腹部；未来或有望在骨科以外的科室（包括内科或外科）开展骨质疏松症和骨量减少的筛查，这可能使更多患者转诊至骨科专科医生处进行治疗。

Moro教授认为，其AI系统代表了一种革命性创新，可重新定义骨质疏松症的识别方式、时间和主体，重塑了骨科与非骨科医疗服务提供者之间的合作模式；并推动骨质疏松管理从骨折后的被动治疗转向骨折前的主动预防，甚至可能重新定义骨科在老龄化社会中的地位。

Nelson B. Watts教授表示，自20世纪80年代末以来，DXA一直是诊断骨质疏松症和评估骨折风险的 “金标准”，在预测65岁及以上人群的骨折风险方面效果最佳，且辐射量低，应用历史悠久。

本研究显示，利用AI模型得出了与DXA相似的结果，与DXA在脊柱和股骨BMD测量上的差异约为 0.07g/cm²，但目前尚未明确这种差异是一致性的（均低于或高于DXA结果）还是随机性的（可能高于或低于DXA结果），这或产生较大影响。

值得一提的是，对于年龄较大的患者（≥65岁），AI预测的BMD与DXA的相关性或更好，但与DXA相比，X线片的辐射量更大，但或仅限于研究中所使用的DXA设备。

(本网站所有内容，凡注明来源为“医脉通”，版权均归医脉通所有，未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任，授权转载时须注明“来源：医脉通”。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。)