机会性查骨质疏松症使用手部放射图 - 一种特征增强研究技术 (FAST)

科学领域:

• 放射学 放射学是指放射学
• 骨质疏松症研究 骨质疏松症研究
• 人工智能在医学中的应用

背景情况:

• 低骨矿物质密度 (BMD) 增加骨折风险,但往往没有被诊断出来.
• 在其他医疗评估期间对低BMD进行机会性查至关重要.

研究的目的:

• 为了预测骨质疏松症/骨质疏松症使用手部X射线图.
• 为了将手部X射线的骨质分析与双能X射线吸收度 (DXA) 测量相关联.
• 评估手部X射线图作为低BMD的查工具的可行性.

主要方法:

• 对422名年龄≥50岁的患者进行了回顾性研究.
• 使用了三家供应商的手部放射和DXA扫描.
• 采用深度学习模型,在一个分为培训/验证和测试集的数据集上进行训练.

主要成果:

• 深度学习模型实现了77.38%的准确度,77.38%的灵敏度和73.63%的特异性.
• 该模型显示,检测骨质疏松症/骨质疏松症的曲线下面面积 (AUC) 为83%.
• 在骨质结构分析和DXA测量之间发现了显著的相关性.

结论:

• 用深度学习分析的手部放射图显示出作为骨质疏松症/骨质疏松症查工具的潜力.
• 这种方法可以识别可能受益于正式DXA评估的个人.
• 使用手部X射线的机会性查可以改善低BMD的早期诊断和管理.