Advancing Osteoporosis Detection Through AI-Driven CT Segmentation: Insights from Multiple Large Health System Biobanks
Deze studie toont aan dat volledig geautomatiseerde, door AI gestuurde CT-segmentatie van de botdichtheid van wervels effectief een grote, ondergediagnosticeerde populatie met een lage botdichtheid kan identificeren, waarbij significante klinische associaties worden onthuld en wordt gesuggereerd dat de afname van de botdichtheid eerder begint dan de huidige screeningsrichtlijnen aangeven.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Bot is levend weefsel dat zichzelf constant opnieuw opbouwt, maar naarmate mensen ouder worden, slaat deze cyclus vaak door naar verlies. Wanneer het lichaam sneller bot verliest dan het kan vervangen, wordt het skelet poreus en broos, een aandoening die bekend staat als osteoporose. Deze ziekte is een stille dief; het veroorzaakt zelden pijn totdat een bot breekt, vaak door een kleine val of zelfs een eenvoudige hoestbui. De gevolgen van dergelijke breuken zijn ernstig, met name voor de heup, waar een fractuur kan leiden tot een snelle achteruitgang van de gezondheid en een aanzienlijk risico op overlijden binnen het eerste jaar. Hoewel artsen effectieve manieren hebben om zwakke botten te screenen en behandelingen om ze te versterken, krijgt de grote meerderheid van de mensen met de aandoening nooit een diagnose. Zij blijven zich niet bewust van hun risico totdat er een breuk optreedt, waardoor ze het venster voor preventie missen.
De standaardmethode om de botsterkte te controleren omvat een gespecialiseerde röntgenscan genaamd een DXA, die de minerale dichtheid meet. Deze scans worden echter niet routinematig bij iedereen uitgevoerd, en veel mensen glippen door de mazen van het net. Tegelijkertijd genereren ziekenhuizen een enorme hoeveelheid gegevens van een ander type scan: de computertomografie, of CT-scan. Deze beelden worden gemaakt om vele redenen, zoals het controleren van buikpijn of letsel, en ze passeren de wervelkolom, waarbij een duidelijk beeld van de wervels wordt gevangen. Jarenlang is deze waardevolle informatie over het hoofd gezien, liggend in digitale archieven terwijl de botdichtheid van de patiënt onbekend blijft. Onderzoekers zijn gaan wonderen of de beelden die om andere redenen zijn genomen, kunnen worden hergebruikt om zwakke botten op te sporen voordat een fractuur plaatsvindt, waardoor een routine medische procedure wordt omgezet in een vangnet voor de niet-gediagnosticeerden.
Een team wetenschappers van de University of Pennsylvania en Northwestern Medicine zette zich af om dit idee op grote schaal te testen. Ze vroegen patiënten niet om nieuwe scans te laten maken; in plaats daarvan keken ze terug naar de bestaande digitale dossiers van meer dan 16.000 patiënten uit twee grote ziekenhuisstelsels. Met behulp van een geavanceerd computerprogramma gebaseerd op kunstmatige intelligentie analyseerden ze automatisch duizenden CT-beelden om de eerste lumbale wervel te vinden, een bot in de onderrug. De software mat hoe de röntgenstraal werd vertraagd terwijl deze door het bot passeerde, een waarde die bekend staat als attenuatie. In eenvoudige termen: dichter, gezonder bot vertraagt de straal meer, wat resulteert in een hoger getal, terwijl zwak, poreus bot meer van de straal doorlaat, wat resulteert in een lager getal. De onderzoekers stelden een specifieke drempelwaarde vast om onderscheid te maken tussen normaal bot en bot dat gevaarlijk dun was, waardoor iedereen met een lage botdichtheid effectief werd gemarkeerd zonder dat er een mens naar de afbeelding hoefde te kijken.
De resultaten onthulden een schokkende kloof in de medische zorg. Toen de onderzoekers de bevindingen van de AI vergeleken met de officiële medische dossiers van de patiënten, ontdekten ze dat de computer een groot aantal mensen met een lage botdichtheid had geïdentificeerd die nooit te weten hadden gekregen dat zij dit hadden. In één groep patiënten had bijna driekwart van de door de AI gemarkeerde personen geen overeenkomstige diagnose in hun dossier staan. In de andere groep was het aantal nog steeds meer dan de helft. Dit suggereert dat het huidige systeem, waarbij men wacht op een specifieke test of een fractuur om een diagnose te triggeren, een enorm deel van de populatie mist. De AI vond niet alleen dezelfde mensen die artsen al hadden gevonden; het onthulde een verborgen populatie van risicovolle individuen die rondliepen met broze botten, zich volledig onbewust van hun toestand.
De studie keek ook naar hoe de botdichtheid gedurende een leven verandert. Door patiënten per leeftijd te groeperen, observeerden de onderzoekers dat de botdichtheid niet langzaam en gestaag afneemt. In plaats daarvan daalt het het sterkst tussen de leeftijden van veertig en vijftig jaar. Deze bevinding daagt de algemene aanname uit dat botverlies primair een probleem is voor ouderen. Het suggereert dat het venster voor interventie veel eerder kan openen dan de standaard screeningsleeftijd van vijfenzestig jaar. Als artsen deze snelle achteruitgang in het midden van het leven zouden kunnen identificeren, zouden ze kunnen ingrijpen met leefstijlveranderingen of medicatie, lang voordat een fractuur optreedt, wat jaren van lijden potentieel kan voorkomen.
Naast het simpelweg vinden van een lage botdichtheid, gebruikten de onderzoekers de gegevens om te zien aan welke andere gezondheidsproblemen het gekoppeld was. Ze vonden sterke verbanden tussen zwakke botten en een verscheidenheid aan ernstige aandoeningen, waaronder ademhalingsfalen, sepsis en hartritmestoornissen. Deze verbanden zijn biologisch logisch, aangezien chronische ontsteking en een slechte algehele gezondheid het skelet kunnen verzwakken, net zoals ze het hart en de longen verzwakken. Echter, toen het team zocht naar specifieke genetische markers die zouden kunnen verklaren waarom sommige mensen zwakkere botten hebben, vonden ze niets significants. Dit suggereert dat botdichtheid niet wordt gedreven door een paar eenvoudige genetische schakelaars, maar eerder door een complexe mix van vele kleine genetische factoren gecombineerd met levensstijl en omgevingsinvloeden.
De studie concludeert dat het gebruik van kunstmatige intelligentie om bestaande CT-beelden te scannen een praktische en krachtige manier is om mensen met een lage botdichtheid te vinden die anders onopgemerkt zouden blijven. Het vervangt niet de noodzaak voor een formele diagnose of een gespecialiseerde botscan, maar het fungeert als een zeer effectief screeningsinstrument dat kan worden toegepast op miljoenen patiënten die al in het zorgsysteem zitten. Door routineuze scans om te zetten in een kans voor vroege detectie, biedt deze aanpak een realistische weg om osteoporose te vangen voordat het een bot breekt, wat potentieel levens redt en de onafhankelijkheid van miljoenen mensen behoudt. De technologie is klaar, de data zijn er, en de potentie om de manier waarop we onze botten beschermen te veranderen, is binnen handbereik.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.