← 最新论文
📄 medicine

Advancing Osteoporosis Detection Through AI-Driven CT Segmentation: Insights from Multiple Large Health System Biobanks

本研究表明,全自动人工智能驱动的椎骨骨密度CT分割技术能够有效识别大量被低估的低骨密度人群,揭示了显著的临床关联,并提示骨密度下降的起始时间早于当前筛查指南所指示的时间。

原作者: Amy MiHyun Jang, Anna Jane Lytchakov, Jeffrey T. Duda, Arijitt Borthakur, James C. Gee, Christopher C. Carson, Anurag Verma, Daniel J. Rader, Penn Medicine BioBank, Charles E. Kahn, Walter R. Witschey
发布于 2026-08-18
📖 1 分钟阅读☕ 轻松阅读

原作者: Amy MiHyun Jang, Anna Jane Lytchakov, Jeffrey T. Duda, Arijitt Borthakur, James C. Gee, Christopher C. Carson, Anurag Verma, Daniel J. Rader, Penn Medicine BioBank, Charles E. Kahn, Walter R. Witschey, Neil Chatterjee, Hersh Sagreiya

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

骨骼是一种不断自我重建的活体组织,但随着年龄的增长,这种循环往往向流失的一方倾斜。当身体失去骨骼的速度快于其补充的速度时,骨骼就会变得多孔且脆弱,这种状况被称为骨质疏松症。这种疾病是一种“沉默的窃贼”;在骨折发生之前,它很少引起疼痛,而这种骨折往往是由轻微的跌倒甚至一次简单的咳嗽引起的。此类骨折的后果非常严重,尤其是髋部,髋部骨折可能导致健康状况迅速恶化,并显著增加一年内死亡的风险。虽然医生有有效的方法来筛查弱骨并进行强化治疗,但绝大多数患有此病的人从未获得诊断。他们在意识到风险之前对自己的状况一无所知,从而错过了预防的窗口期。

检查骨骼强度的标准方法是使用一种称为 DXA 的专门 X 射线扫描,它通过测量矿物质密度来进行。然而,这些扫描并非对每个人都进行常规检查,许多人因此被遗漏了。与此同时,医院正在从另一种类型的扫描中产生海量数据:计算机断层扫描,即 CT 扫描。这些图像是出于许多原因而被拍摄的,例如检查腹痛或损伤,它们会经过脊柱,捕捉到椎骨的清晰视图。多年来,这些宝贵的信息一直被忽视,静静地躺在数字档案中,而患者的骨密度却始终处于未知状态。研究人员开始思考,是否可以利用这些因其他原因而进行的影像进行重新开发,以在骨折发生前发现弱骨,从而将常规医疗程序转变为一个发现未确诊患者的安全网。

来自宾夕法尼亚大学和西北医学中心的科学家团队决定在大规模范围内测试这个想法。他们并没有要求患者进行新的扫描;相反,他们回顾了来自两个大型医院系统的超过 16,000 名患者的现有数字记录。通过使用基于人工智能的高级计算机程序,他们自动分析了数千张 CT 图像,以寻找第一腰椎(位于下背部的一块骨头)。该软件测量了 X 射线束穿过骨骼时的减弱程度,即被称为“衰减”的数值。简单来说,密度更高、更健康的骨骼会更多地减缓射线,从而产生较高的数值;而虚弱、多孔的骨骼则会让更多射线通过,产生较低的数值。研究人员建立了一个特定的阈值,用以区分正常骨骼和极度稀薄的危险骨骼,从而有效地标记出任何低骨密度的人,而无需任何人类去查看图像。

结果揭示了医疗护理中的巨大缺口。当研究人员将 AI 的发现与患者的官方医疗记录进行对比时,他们发现计算机识别出了大量从未被告知患有低骨密度的患者。在一组患者中,近四分之三被 AI 标记出的患者在他们的病历中没有任何相应的诊断。在另一组中,这一比例仍超过一半。这表明,目前的系统——即等待特定的测试或骨折来触发诊断——正错过很大一部分人群。AI 不仅仅找到了医生已经发现的那些人;它还揭示了一个隐藏的风险人群,这些人正带着脆弱的骨骼生活,却对自己的状况完全不知情。

该研究还观察了骨密度在生命周期中的变化。通过按年龄对患者进行分组,研究人员观察到,骨密度并不是缓慢且稳定下降的。相反,它在 40 岁到 50 岁之间下降得最为剧烈。这一发现挑战了“骨质流失主要是老年人问题”的普遍假设。这表明,干预的窗口期可能比 65 岁的标准筛查年龄要早得多。如果医生能在中年时期识别出这种快速下降,他们或许就能在骨折发生之前,通过改变生活方式或药物干预来进行干预,从而可能预防多年的痛苦。

除了发现低骨密度外,研究人员还利用数据观察了与其他健康问题的联系。他们发现弱骨与多种严重疾病之间存在强关联,包括呼吸衰竭、败血症和心律问题。从生物学角度来看,这些联系是合理的,因为慢性炎症和整体健康状况不佳会削弱骨骼,就像它们削弱心脏和肺部一样。然而,当团队寻找可能解释为何某些人骨骼较弱的具体遗传标记时,他们没有发现任何显著结果。这表明,骨密度并非由少数几个简单的遗传开关驱动,而是由许多微小的遗传因素与生活方式及环境影响共同构成的复杂组合驱动。

研究结论指出,利用人工智能扫描现有的 CT 图像,是发现那些原本无法被检测到的低骨密度人群的一种切实且强大的方法。它并不取代对正式诊断或专门骨骼扫描的需求,但它可以作为一种高效的筛查工具,应用于数百万已经在医疗系统中接受治疗的患者。通过将常规扫描转化为早期检测的机会,这种方法为在骨折发生前抓住骨质疏松症提供了一条现实的路径,有望为数百万人挽救生命并保护其独立生活能力。这项技术已经成熟,数据就在那里,改变我们保护骨骼方式的潜力触手可及。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →