评估人工智能软件用于机会性低骨矿物密度和骨质疏松症查:一个验证研究

科学领域:

• 放射学 放射学是指放射学
• 人工智能的人工智能
• 骨质疏松症查 骨质疏松症查

背景情况:

• 骨质疏松症带来很大的骨折风险,但获得金标准的DXA扫描是有限的,特别是在农村地区.
• 骨质疏松症的现有诊断方法不是普遍可用的,这在早期检测和干预方面造成了差距.

研究的目的:

• 独立验证Rho,人工智能 (AI) 软件的性能,用于识别患有低骨矿物密度 (BMD) 和骨质疏松症风险的患者.
• 评估Rho作为一种机会性查工具的有效性,特别是在对DXA扫描访问有限的人群中.

主要方法:

• 一项回顾性研究,涉及4878名患者 (平均年龄70±10,80%为女性),DXA扫描在X射线扫描后一年内获得.
• 曲线下的面积 (AUC) 计算以评估Rho在预测低BMD (T-Score < -1) 和骨质疏松症 (T-Score ≤ -2.5) 中的表现.
• 根据放射位置,性别和农村与城市人口的不同进行了子组分析.

主要成果:

• 在预测低BMD (AUC = 0.840) 和骨质疏松症 (AUC = 0.815) 中,Rho表现出很高的准确性.
• 人工智能工具在农村和城市人口中显示出强大且可比的性能,无论是低BMD还是骨质疏松症检测.
• 罗在男性和女性中都表现得很好,尽管最佳值因性别而异.

结论:

• 罗软件在识别低BMD和骨质疏松症风险的个体上是非常有效的,使用标准的X射线图.
• 这些发现支持Rho作为机会性查工具的实用性,可能弥合了DXA访问有限的社区的差距.
• 人工智能驱动的放射分析为改善骨质疏松症查可访问性和早期检测提供了一个有前途的解决方案.