人工智能輔助診斷骨質(zhì)疏松及預(yù)測骨折的研究進展

段 維 楊國慶 楊 連

1.川北醫(yī)學(xué)院醫(yī)學(xué)影像學(xué)院，四川南充 637000；2.四川省遂寧市中醫(yī)院，四川遂寧 629000

骨質(zhì)疏松癥是一種全身性代謝性骨病，其特征是骨礦物質(zhì)密度降低和骨微結(jié)構(gòu)破壞，導(dǎo)致骨脆性及骨折風(fēng)險增加[1]。骨質(zhì)疏松癥在早期缺乏明顯癥狀，發(fā)病較為隱匿，多數(shù)骨質(zhì)疏松性骨折患者未進行過骨密度篩查。骨折是骨質(zhì)疏松癥的嚴(yán)重后果，具有較高的致殘率和致死率，對個人、家庭及社會而言無疑都是巨大的負(fù)擔(dān)。據(jù)統(tǒng)計，全球約有2 億婦女患有骨質(zhì)疏松癥，其中50 歲以上婦女約有1/3 的人發(fā)生過骨質(zhì)疏松性骨折[2]。骨質(zhì)疏松癥是一個全球性公共衛(wèi)生問題，目前早期篩查及治療工作仍不足。本文總結(jié)了人工智能技術(shù)輔助診斷骨質(zhì)疏松癥及預(yù)測骨質(zhì)疏松性骨折的研究新進展。

1 骨質(zhì)疏松癥的診斷

骨質(zhì)疏松癥的診斷主要根據(jù)骨密度值的測量，目前有多種檢查技術(shù)已用于骨質(zhì)疏松癥患者骨質(zhì)質(zhì)量評估[3]。主要包括雙能X 線吸收法（dual energy X-ray absorptiometry，DXA）、定量計算機斷層掃描（quantitative computed tomography，QCT）、定量超聲（quantitative ultrasound，QUS）、磁共振成像（magnetic resonance imaging，MRI）等。

1.1 DXA

DXA 是對患者髖部、腰椎等部位進行骨密度的測量，是目前診斷骨質(zhì)疏松癥的“金標(biāo)準(zhǔn)”。對于絕經(jīng)后女性及老年男性，根據(jù)2022 年版原發(fā)性骨質(zhì)疏松癥診療指南，T 值≥-1.0 為正常；T 值＞-2.5～＜-1.0為骨量下降；T 值≤-2.5 為骨質(zhì)疏松；T 值≤-2.5 同時伴有脆性骨折為嚴(yán)重骨質(zhì)疏松[4]。DXA 測量的是面積骨密度，所測的值包括皮質(zhì)骨和松質(zhì)骨，當(dāng)合并骨折、血管鈣化、骨質(zhì)增生時所測的值會偏高，從而影響診斷結(jié)果[5]。

1.2 QCT

QCT 是在CT 上通過體模和專業(yè)的測量軟件測量骨密度值的一種檢查技術(shù)。相較于DXA 的二維測量，QCT 測量的是體積骨密度，可不受骨質(zhì)增生、主動脈粥樣硬化等影響，較DXA 準(zhǔn)確性更高[6]。根據(jù)2022年版中國指南，QCT 診斷骨質(zhì)疏松的標(biāo)準(zhǔn)：骨礦物質(zhì)密度＞120 mg/cm3為正常，骨礦物質(zhì)密度80～120 mg/cm3為骨量減少，骨礦物質(zhì)密度＜80 mg/cm3則為骨質(zhì)疏松[4]。但因QCT 的高輻射劑量和高成本限制了其作為骨質(zhì)疏松癥篩查工具的使用。

1.3 QUS

QUS 通過骨骼對超聲波的衰減來反映其骨密度的變化，通常用于橈骨、指骨、跟骨等部位，其中跟骨的測量在預(yù)測骨折風(fēng)險方面有較大的價值[7]。QUS 具有便攜、經(jīng)濟及無輻射等優(yōu)勢，可作為DXA 的一個替代方案。但由于不同設(shè)備之間的測量結(jié)果存在較大差異，并且目前缺乏支持其使用的強有力的循證證據(jù)，QUS 在臨床工作中應(yīng)用較少[8]。

1.4 MRI

MRI 的軟組織分辨率較高，可通過周圍脂肪信號對骨小梁網(wǎng)絡(luò)進行成像，在一定程度上能夠了解松質(zhì)骨的內(nèi)部結(jié)構(gòu)[9]。與CT 比較，MRI 在骨結(jié)構(gòu)成像和骨骼微結(jié)構(gòu)評估方面更具優(yōu)勢，同時還無電離輻射。有研究表明，MRI 可以檢測到骨質(zhì)疏松癥患者的微結(jié)構(gòu)退化，并且在評估骨折風(fēng)險方面可能有超出骨密度值的附加價值[10]。但由于MRI 費用高、操作復(fù)雜耗時等原因，不利于在人群中進行大面積篩查。

2 人工智能

人工智能是計算機科學(xué)的一個分支，是指賦予機器推理和執(zhí)行功能的能力，使之能夠模擬人類思維并解決問題[11]。機器學(xué)習(xí)是人工智能的核心子領(lǐng)域，常用機器學(xué)習(xí)算法包括深度學(xué)習(xí)、支持向量機、決策樹、人工神經(jīng)網(wǎng)絡(luò)等[12]。近年來，人工智能的飛速發(fā)展為醫(yī)療領(lǐng)域帶來了革命性的變化，醫(yī)學(xué)影像與人工智能的結(jié)合也已成為研究熱點。基于人工智能的計算機輔助診斷系統(tǒng)已在很多疾病的檢測中都體現(xiàn)出了較好的性能，如腦腫瘤、乳腺癌、肝癌等疾病的檢測[13-15]。人工智能與醫(yī)學(xué)影像的結(jié)合在骨質(zhì)疏松癥的診斷及骨折預(yù)測方面具有廣泛應(yīng)用前景。

2.1 人工智能技術(shù)輔助診斷骨質(zhì)疏松癥的應(yīng)用

醫(yī)學(xué)影像學(xué)在骨質(zhì)疏松癥診斷領(lǐng)域占主導(dǎo)地位。近年來，已有一些研究將人工智能與影像數(shù)據(jù)結(jié)合輔助診斷骨質(zhì)疏松癥。本文總結(jié)了現(xiàn)有人工智能技術(shù)結(jié)合影像學(xué)輔助診斷骨質(zhì)疏松癥的研究進展。

2.1.1 人工智能與X 線的結(jié)合DXA 作為診斷骨質(zhì)疏松癥的“金標(biāo)準(zhǔn)”，目前已在臨床中廣泛應(yīng)用；骨質(zhì)疏松癥在X 線平片上表現(xiàn)為骨小梁稀疏、骨密度降低，X 線平片雖無法敏感顯示早期骨量丟失，但與人工智能結(jié)合有望實現(xiàn)骨質(zhì)疏松癥的早期篩查[16]。Hussain等[17]提出了一種基于DXA 的計算機輔助診斷骨質(zhì)疏松癥技術(shù)，能夠?qū)崿F(xiàn)DXA 診斷的自動化，研究表明，基于深度學(xué)習(xí)的圖像分割技術(shù)有望提高疾病診斷的準(zhǔn)確性和效率。Yang 等[18]開發(fā)了一個深度學(xué)習(xí)模型，用于在DXA 圖像中自動準(zhǔn)確地分割尺、橈骨，有助于更準(zhǔn)確地測量骨密度值。Mao 等[19]提出了一種基于腰椎X 線片的卷積神經(jīng)網(wǎng)絡(luò)模型，實現(xiàn)了骨密度值的自動分類及骨質(zhì)疏松癥的機會性篩查。Wani 等[20]采用了一種基于卷積神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)方法，在膝關(guān)節(jié)X 線圖像上進行骨質(zhì)分類，最佳準(zhǔn)確率達到了91.1%。Hsieh 等[21]提出了一種自動化工具，能夠在平片上識別骨折，預(yù)測骨質(zhì)疏松癥，與DXA 的結(jié)果相比較，其對骨質(zhì)疏松的陽性或陰性預(yù)測值達到了95%。以上研究結(jié)果表明，通過與人工智能技術(shù)的結(jié)合，提升了DXA 診斷骨質(zhì)疏松癥的準(zhǔn)確性，實現(xiàn)了在X 線平片上早期診斷骨質(zhì)疏松癥的可能。人工智能技術(shù)用于醫(yī)學(xué)圖像的處理可實現(xiàn)診斷過程中的自動化，縮短一定時間及減少人力成本。但目前相關(guān)研究模型應(yīng)用范圍較為局限，模型尚不能應(yīng)用于存在骨腫瘤、骨骼畸形等病變的情況，未來可進一步開發(fā)相關(guān)模型擴大臨床應(yīng)用范圍。

2.1.2 人工智能與CT 的結(jié)合CT 也是診斷骨質(zhì)疏松癥的常用檢查方法，隨著人工智能的飛速發(fā)展，常規(guī)CT 與人工智能結(jié)合實現(xiàn)了骨質(zhì)疏松癥早期篩查，同時降低了射線暴露。Yang 等[22]利用人工智能自動測量常規(guī)胸部CT 各椎體的CT 值，以此快速篩查骨質(zhì)疏松癥高?；颊摺ebro 等[23]利用胸部CT 圖像中所有骨骼的CT 值構(gòu)建機器學(xué)習(xí)模型來預(yù)測骨質(zhì)疏松，研究表明，所構(gòu)建的模型可實現(xiàn)骨質(zhì)疏松癥的機會性篩查，并且基于支持向量機構(gòu)建的模型性能最佳。陳劉萍等[24]基于胸部低劑量CT 構(gòu)建了人工智能骨密度測量系統(tǒng)，該系統(tǒng)預(yù)測的骨密度與QCT 測定結(jié)果高度相關(guān)，診斷骨質(zhì)疏松癥的靈敏度和特異度為0.989、0.905。Chen 等[25]基于胸部低劑量CT，結(jié)合機器學(xué)習(xí)分割和放射紋理分析開發(fā)了一種骨質(zhì)疏松篩查工具，該方法的總體測試預(yù)測精度為0.90±0.05，結(jié)果表明，機器學(xué)習(xí)與影像組學(xué)結(jié)合對骨質(zhì)疏松癥早期篩查有著重要價值。常規(guī)CT 結(jié)合人工智能技術(shù)可提高骨質(zhì)疏松癥的就診率和療效，減輕骨質(zhì)疏松癥患者的經(jīng)濟和社會負(fù)擔(dān)。目前多數(shù)研究數(shù)據(jù)的來源較為局限，未來可采用多中心、多供應(yīng)商的數(shù)據(jù)集進行訓(xùn)練以進一步提高模型性能及普適性。

2.1.3 人工智能與MRI 的結(jié)合MRI 組織對比度高，常用于軟組織成像，較X 線平片和CT 在顯示骨髓早期改變方面更加靈敏，有助于預(yù)測骨折風(fēng)險。Yabu 等[26]基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建了能夠在MRI 圖像上自動檢測骨質(zhì)疏松性骨折模型，其準(zhǔn)確率達到了88%，能與經(jīng)驗豐富的外科醫(yī)生相媲美。Mu 等[27]研究發(fā)現(xiàn)，基于卷積神經(jīng)網(wǎng)絡(luò)的磁共振波譜技術(shù)在評估骨質(zhì)方面具有良好的優(yōu)勢，可為骨質(zhì)疏松癥的評估提供有效的輔助診斷方法。MRI 在骨質(zhì)評估及骨折風(fēng)險預(yù)測方面有著重要價值，但目前相關(guān)研究規(guī)模較小，其在廣泛臨床實踐中的應(yīng)用有待進一步驗證。

2.2 人工智能技術(shù)在骨折預(yù)測領(lǐng)域的應(yīng)用

骨質(zhì)疏松性骨折發(fā)生風(fēng)險的準(zhǔn)確預(yù)測有利于早期干預(yù)并降低骨折發(fā)生率，目前已有一些研究應(yīng)用人工智能模型預(yù)測骨折風(fēng)險，相較于傳統(tǒng)方法，都有較好的性能。Ulivieri 等[28]開發(fā)了一種基于人工神經(jīng)網(wǎng)絡(luò)的骨折預(yù)測模型，結(jié)合DXA 圖像識別易發(fā)生骨質(zhì)疏松性骨折患者，預(yù)測準(zhǔn)確率達到了79.36%。Kong 等[29]使用了CatBoost、支持向量機、logistic 回歸三種不同的模型結(jié)合相關(guān)臨床因素預(yù)測骨質(zhì)疏松性骨折，研究發(fā)現(xiàn)基于CatBoost 的機器學(xué)習(xí)方法開發(fā)的模型性能優(yōu)于骨折風(fēng)險預(yù)測工具及兩種傳統(tǒng)的機器學(xué)習(xí)模型。Zhang 等[30]利用QCT 圖像中的主要參數(shù)開發(fā)了有效的機器學(xué)習(xí)模型評估老年男性股骨近端強度，可提高無創(chuàng)評估患者特定骨折風(fēng)險的能力。Bodden 等[31]基于卷積神經(jīng)網(wǎng)絡(luò)模型在常規(guī)CT 中自動提取骨密度值來預(yù)測椎體骨折的發(fā)生，該預(yù)測模型性能良好，結(jié)果表明，骨密度值的機會性篩查對預(yù)防椎體骨折發(fā)生有著重要意義。人工智能模型在預(yù)測脆性骨折方面有著很大潛力，在臨床中可用于常規(guī)骨骼健康評估，幫助臨床醫(yī)生制訂個性化的治療干預(yù)措施。但目前大多數(shù)研究是回顧性研究，未來更大規(guī)模、高質(zhì)量的前瞻性研究是必要的。

3 小結(jié)與展望

本文主要梳理了骨質(zhì)疏松癥常用檢查方法及回顧了人工智能在骨質(zhì)疏松癥中的應(yīng)用。X 線平片、CT、MRI 等影像學(xué)檢查及DXA、QCT 等骨密度測量結(jié)果是骨質(zhì)疏松癥診斷、風(fēng)險預(yù)測和療效評價的主要依據(jù)[4]。常規(guī)CT、X 線平片與人工智能結(jié)合有利于實現(xiàn)骨質(zhì)疏松癥的廣泛篩查，DXA、QCT 檢查技術(shù)與人工智能的結(jié)合可提高診斷效率及準(zhǔn)確度，MRI 與人工智能結(jié)合有望將MRI 數(shù)據(jù)應(yīng)用于臨床實踐。

研究證明，人工智能在骨質(zhì)疏松癥輔助診斷及脆性骨折預(yù)測等方面都有較好的性能。通過與影像學(xué)檢查技術(shù)的結(jié)合，減少了二次檢查費用及輻射暴露，提升了診療效率。雖然目前臨床上已有了一定相關(guān)研究，但依然存在一些局限性：缺乏標(biāo)準(zhǔn)的大規(guī)模公共數(shù)據(jù)庫，同時數(shù)據(jù)挖掘也因醫(yī)學(xué)數(shù)據(jù)的隱私性等問題受到限制；以及算法本身存在的局限性等。建設(shè)高質(zhì)量、多中心、大規(guī)模的骨質(zhì)疏松癥樣本庫，收集大量骨密度信息等機器學(xué)習(xí)數(shù)據(jù)，是人工智能在骨質(zhì)疏松領(lǐng)域深度發(fā)展的重點。

現(xiàn)階段多數(shù)研究集中于骨質(zhì)疏松癥的診斷及脆性骨折預(yù)測方面，未來可更多地進行骨質(zhì)疏松癥相關(guān)影響因素的研究，有助于實現(xiàn)疾病早期預(yù)防及高危人群早期干預(yù)。未來也可將人工智能技術(shù)進一步應(yīng)用于個體化預(yù)防指導(dǎo)、精準(zhǔn)治療方案制訂、療效評估及骨質(zhì)疏松患者長期健康管理等方面，使人工智能更大程度地造福人類和社會。

利益沖突聲明：本文所有作者均聲明不存在利益沖突。