全國大約有9000萬骨質疏松患者，遺憾的是，這個“靜悄悄發生”的疾病沒有形成很好的診治環境，精準診斷設備缺乏、醫務人員乃至患者個人都沒有引起足夠重視，這被視作“行業痛點”。近日，上海交通大學醫學院附屬第六人民醫院骨質疏松和骨病專科、上海市骨疾病臨床研究中心章振林教授帶領的科研團隊首次報道了智能輔助診斷系統對骨質疏松性椎體骨折及其分度診斷的結果，有望破題。

研究團隊開發了利用深度學習算法在胸腰椎X線平片上進行椎體骨折診斷的智能輔助診斷系統（AI_OVF_SH），是國際首次報道能利用X線平片進行椎體精準定位、骨折及其分度智能診斷的輔助工具，研究成果有望推動人工智能技術在椎體骨折診斷領域中的應用。該研究成果發布在美國骨與礦物質研究學會會刊《Journal of Bone and Mineral Research》(影響因子6.2)。

(資料圖)

漏診率高、誤診率高、就診率低

骨質疏松癥是一種以骨量低下、骨組織微結構破壞、導致骨脆性增加、易發生骨折為特征的全身性疾病，是常見的骨疾病。骨質疏松性椎體骨折是骨質疏松癥的嚴重后果，是老年人致殘和致死的主要原因之一，具有高患病率、高危害性及低就診率的特點，嚴重影響老年人的預期壽命和生活質量。

早期診斷椎體骨折，并盡早啟動抗骨質疏松藥物干預，可以顯著改善骨骼質量，并降低再次骨折的風險。X線平片檢查是診斷骨質疏松性椎體骨折的首選影像學檢查方法，具有快速、可及性強、輻射劑量低和成本低等優勢。在臨床實踐中，常使用Genant目視半定量法進行椎體骨折及其分度的評估。

“然而，由于該方法具有較強的主觀性，導致在椎體骨折診斷方面存在較高的漏診率和誤診率。”章振林教授告訴記者，根據既往研究報道，60歲以上老年人進行X線平片檢查時，椎體骨折的漏診率高達45%，誤診率高達40%。也由于大量人群沒有及時檢出，更談不上及時推進抗骨質疏松，導致其治療率很低，10%不到。

隨著人工智能、數字醫療和大數據的發展，深度學習算法比傳統方法在圖像識別上具有明顯的優勢，已展現了巨大的潛力。針對上述問題，六院章振林教授團隊聯合上海脊影慧智能科技有限公司攜手，目標建立一個椎體骨折的智能輔助診斷系統，借助深度學習算法，提高椎體骨折及其分度診斷的準確性和效率。

引入深度學習推進智能診斷

該研究利用課題組前期椎體骨折流行病學調查數據庫，將11397張X線平片隨機分為建模集和內部驗證集。此外，從在上海市第六人民醫院接受X線平片檢查的1276例受試者中，選取其影像學數據作為外部驗證集。所有X線平片均導入至在線標注平臺，并進行統一人工標注。

影像科專家根據Genant半定量評估法對椎體骨折及其分度進行了判定，評估結果為椎體骨折診斷的金標準。“我們開發了一種基于深度學習的椎體骨折智能輔助診斷系統。該系統利用深度卷積神經網絡能自動定位和分割椎體，計算每個椎體的面積損失比（理論面積/實際面積），并結合金標準結果和網格搜索優化算法，實現對椎體骨折的檢測及其分度的準確評估。”研究人員介紹。

當前數據顯示，該系統對骨折診斷的準確性和特異度均高于90%，且靈敏度均超過80%。此外，該系統在骨折分度的診斷上也表現出較高準確性，對于中度椎體骨折的診斷，其靈敏度高于85%，特異度高于99%；對重度椎體骨折的診斷，靈敏度高于90%，特異度高達99%。

已在十多家社區醫院和三甲醫院安裝

“綜合來看，這一智能輔助診斷系統能優化臨床診療流程，賦能基層及低年資醫生，提高臨床診療的效率和準確性，為各級醫療機構提供了更精準的診療工具。”章振林教授透露，目前，這一智能輔助診斷系統已在十多家社區醫院和三甲醫院安裝，在臨床診療環境中進行驗證和應用。

同時，研究團隊將不斷優化系統，正在進行Ⅱ類創新型醫療器械產品的注冊臨床評價，旨在實現臨床應用該智能輔助診斷系統，促使骨質疏松性椎體骨折智能、高效和精準的診斷。

章振林教授為該論文通訊作者，臨床研究中心沈力、骨質疏松與骨病專科高超、放射科胡順東，以及上海脊影慧智能科技有限公司康單和張兆剛為該論文共同第一作者。該項研究獲得國家重點研發計劃、上海市內分泌代謝疾病研究中心、上海申康醫院發展中心第二輪三年行動計劃等多項基金資助。

關鍵詞：