将人工智能纳入骨折风险评估:使用临床成像来预测不可预测的情况
1Division of Endocrinology and Metabolism, Department of Internal Medicine, Seoul National University Bundang Hospital, Seoul National University College of Medicine, Seongnam, Korea.
Endocrinology and metabolism (Seoul, Korea)
|August 4, 2025
概括
人工智能 (AI) 增强了超越传统方法的骨折风险评估. 使用医学成像的AI模型在检测骨质疏松症和预测骨折方面显示出更高的准确性,支持个性化患者护理.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 传统的骨折风险评估方法 (例如,骨矿物质密度) 在捕捉骨脆弱性方面存在局限性.
- 人工智能 (AI) 提供了改善骨折风险评估的潜力.
- 应用在医学成像中的深度学习为机会性查提供了新的机会.
研究的目的:
- 审查人工智能驱动骨折风险评估的最新进展.
- 批判性地评估AI在骨折检测和预测方面的临床潜力.
- 概述AI工具临床整合的路线图.
主要方法:
- 关于AI应用在骨折风险评估中的最新文献的审查.
- 专注于深度学习技术,应用于X光片和计算机断层扫描 (CT) 数据.
- 与传统指标相比,对AI模型性能进行分析.
主要成果:
- 人工智能模型证明了骨质疏松性骨折检测和风险预测的改善歧视.
- 基于CT和X射线图的AI模型在不同人群中显示出对传统指标的优越性.
- 诸如多任务学习之类的创新增强了人工智能模型的解释性和患者沟通.
结论:
- 人工智能显示出作为骨折风险评估的补充工具的显著前景.
- 挑战包括模型通用性,数据偏差和自动化偏差.
- 成功的临床整合需要外部验证,透明的报告和EHR嵌入.
