从普通X射线预测区域骨矿物质密度的人工智能系统
Huy Gia Nguyen1,2, Dinh-Tan Nguyen1,2, Thach Son Tran1
1School of Biomedical Engineering, University of Technology Sydney (UTS), City Campus (Broadway) Building 11, Level 10, PO BOX 123, Broadway, NSW, 2007, Australia.
概括
人工智能现在可以通过X射线估计骨密度,为骨质疏松症查提供了DXA扫描的有希望的替代方案. 这种人工智能工具可以准确预测骨折风险,
科学领域:
- 放射学和医学成像
- 医疗保健中的人工智能
- 骨健康和骨质疏松症研究
背景情况:
- 双能X射线吸收计 (DXA) 是骨矿物质密度评估的黄金标准,但在资源贫困的环境中可用性有限.
- 骨质疏松症诊断和骨折风险预测对于公共卫生至关重要,但目前的方法面临着可访问性挑战.
- 标准放射图片已被广泛使用,并有可能用于骨健康评估.
研究的目的:
- 开发和验证一个人工智能 (AI) 系统,用标准的X射线图像来估计骨矿物质密度 (aBMD).
- 与DXA相比,评估AI系统在预测骨密度方面的准确性.
- 评估人工智能系统在识别高风险骨折的个人的有效性.
主要方法:
- 利用来自越南骨质疏松症研究的数据,包括3783名参与者的7060张数字放射图 (骨盆和脊柱) 和DXA测量.
- 开发了七种深度学习模型来分析放射图和预测骨矿物质密度,称为"xBMD".
- 相关AI预测的aBMD (xBMD) 与使用Pearson相关系数测量的aBMD,并使用ROC分析评估断裂风险预测的准确性.
主要成果:
- 人工智能系统 (xBMD) 与DXA测量的aBMD有很强的相关性:
- 在识别高风险关骨折的个体时,观察到高精度,AUC值为0. 96 (股骨) 和0. 97 (腰椎).
- 人工智能的表现在不同年龄组和性别中保持一致.
结论:
- 人工智能可以从标准放射图中准确预测骨矿物质密度,证明与DXA有很强的相关性.
- 开发的AI系统有效地识别出高危骨折的个体,显示出高AUC值.
- 这种人工智能技术为骨质疏松症查提供了一个潜在的,高效的和可访问的替代方案,特别是在资源有限的环境中.
