确认可区分普通骨质疏松与危险性骨折的可能性

随着年龄增长,日益常见的脊柱压缩性骨折究竟是单纯由骨质疏松引起,还是癌症转移至脊柱所致,人工智能(AI)有望通过磁共振成像(MRI)加以区分。


从左起:Lee Jaechul,顺天乡大学首尔医院骨科教授;Ahn Junghyun,天主教大学富川圣母医院骨科教授;Shin Yujin,天主教大学数据科学系教授。顺天乡大学首尔医院供图

从左起:Lee Jaechul,顺天乡大学首尔医院骨科教授;Ahn Junghyun,天主教大学富川圣母医院骨科教授;Shin Yujin,天主教大学数据科学系教授。顺天乡大学首尔医院供图

View original image

顺天乡大学首尔医院24日表示,该院骨科教授Lee Jaecheol(通讯作者)、天主教大学富川圣母医院骨科教授Ahn Junghyun及数据科学系教授Shin Yujin组成的研究团队,为解决这一问题,将深度学习技术应用于医院常规开展的脊柱MRI检查。


随着年龄增长,骨骼变得脆弱,容易发生脊柱轻微塌陷的压缩性骨折。多数由骨质疏松引起,但也有少数情况是其他器官的癌症扩散至脊柱(转移),导致骨骼变弱而引发。


尽管表面症状相似,两者的治疗方向却截然不同。若病因为骨质疏松,则需进行骨质疏松药物治疗及稳定脊柱的治疗;若病因为癌症转移,则需要查找原发癌症,并采取抗癌治疗或放射治疗等完全不同的治疗方案。


问题在于,若将癌症导致的骨折误判为普通骨质疏松性骨折,关键的癌症发现和治疗可能被延误。因此,准确区分两类骨折至关重要。


研究团队首先训练AI,使其能够在MRI影像中自主定位异常椎骨,再判断该部位是骨质疏松性骨折还是癌症转移性骨折。为此,团队分析了2165名患有脊柱压缩性骨折或脊柱转移患者的MRI影像,并以2.7543万个椎体节段评估AI的准确性。此外,团队还利用相同影像训练多种AI模型,对比哪一种模型最为准确。


结果显示,表现最优的AI模型在判定为癌症转移时,实际正确率约为91%;在实际癌症转移性骨折中,未漏检而成功识别的比例约为93%,并在定位准确度等综合指标上展现出最均衡的性能。尤其是部分模型在筛查、避免漏检癌症转移性骨折方面表现突出,显示出未来可用于筛查检查的潜力。


Lee Jaecheol教授表示:“本研究的意义在于,将深度学习技术应用于日常开展的脊柱MRI检查,证实了其能够发现医护人员需特别关注的病变,并有望鉴别是否存在癌症。AI并非取代医生,而是作为辅助工具,帮助医护人员再次确认可能遗漏的部分,从而有助于实现更快速、更准确的诊断和治疗。”



该研究已发表于脊柱领域国际学术期刊《The Spine Journal》。


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点