全国大约有9000万骨质疏松患者，遗憾的是，这个“静悄悄发生”的疾病没有形成很好的诊治环境，精准诊断设备缺乏、医务人员乃至患者个人都没有引起足够重视，这被视作“行业痛点”。近日，上海交通大学医学院附属第六人民医院骨质疏松和骨病专科、上海市骨疾病临床研究中心章振林教授带领的科研团队首次报道了智能辅助诊断系统对骨质疏松性椎体骨折及其分度诊断的结果，有望破题。

研究团队开发了利用深度学习算法在胸腰椎X线平片上进行椎体骨折诊断的智能辅助诊断系统（AI_OVF_SH），是国际首次报道能利用X线平片进行椎体精准定位、骨折及其分度智能诊断的辅助工具，研究成果有望推动人工智能技术在椎体骨折诊断领域中的应用。该研究成果发布在美国骨与矿物质研究学会会刊《Journal of Bone and Mineral Research》(影响因子6.2)。

(相关资料图)

漏诊率高、误诊率高、就诊率低

骨质疏松症是一种以骨量低下、骨组织微结构破坏、导致骨脆性增加、易发生骨折为特征的全身性疾病，是常见的骨疾病。骨质疏松性椎体骨折是骨质疏松症的严重后果，是老年人致残和致死的主要原因之一，具有高患病率、高危害性及低就诊率的特点，严重影响老年人的预期寿命和生活质量。

早期诊断椎体骨折，并尽早启动抗骨质疏松药物干预，可以显著改善骨骼质量，并降低再次骨折的风险。X线平片检查是诊断骨质疏松性椎体骨折的首选影像学检查方法，具有快速、可及性强、辐射剂量低和成本低等优势。在临床实践中，常使用Genant目视半定量法进行椎体骨折及其分度的评估。

“然而，由于该方法具有较强的主观性，导致在椎体骨折诊断方面存在较高的漏诊率和误诊率。”章振林教授告诉记者，根据既往研究报道，60岁以上老年人进行X线平片检查时，椎体骨折的漏诊率高达45%，误诊率高达40%。也由于大量人群没有及时检出，更谈不上及时推进抗骨质疏松，导致其治疗率很低，10%不到。

随着人工智能、数字医疗和大数据的发展，深度学习算法比传统方法在图像识别上具有明显的优势，已展现了巨大的潜力。针对上述问题，六院章振林教授团队联合上海脊影慧智能科技有限公司携手，目标建立一个椎体骨折的智能辅助诊断系统，借助深度学习算法，提高椎体骨折及其分度诊断的准确性和效率。

引入深度学习推进智能诊断

该研究利用课题组前期椎体骨折流行病学调查数据库，将11397张X线平片随机分为建模集和内部验证集。此外，从在上海市第六人民医院接受X线平片检查的1276例受试者中，选取其影像学数据作为外部验证集。所有X线平片均导入至在线标注平台，并进行统一人工标注。

影像科专家根据Genant半定量评估法对椎体骨折及其分度进行了判定，评估结果为椎体骨折诊断的金标准。“我们开发了一种基于深度学习的椎体骨折智能辅助诊断系统。该系统利用深度卷积神经网络能自动定位和分割椎体，计算每个椎体的面积损失比（理论面积/实际面积），并结合金标准结果和网格搜索优化算法，实现对椎体骨折的检测及其分度的准确评估。”研究人员介绍。

当前数据显示，该系统对骨折诊断的准确性和特异度均高于90%，且灵敏度均超过80%。此外，该系统在骨折分度的诊断上也表现出较高准确性，对于中度椎体骨折的诊断，其灵敏度高于85%，特异度高于99%；对重度椎体骨折的诊断，灵敏度高于90%，特异度高达99%。

已在十多家社区医院和三甲医院安装

“综合来看，这一智能辅助诊断系统能优化临床诊疗流程，赋能基层及低年资医生，提高临床诊疗的效率和准确性，为各级医疗机构提供了更精准的诊疗工具。”章振林教授透露，目前，这一智能辅助诊断系统已在十多家社区医院和三甲医院安装，在临床诊疗环境中进行验证和应用。

同时，研究团队将不断优化系统，正在进行Ⅱ类创新型医疗器械产品的注册临床评价，旨在实现临床应用该智能辅助诊断系统，促使骨质疏松性椎体骨折智能、高效和精准的诊断。

章振林教授为该论文通讯作者，临床研究中心沈力、骨质疏松与骨病专科高超、放射科胡顺东，以及上海脊影慧智能科技有限公司康单和张兆刚为该论文共同第一作者。该项研究获得国家重点研发计划、上海市内分泌代谢疾病研究中心、上海申康医院发展中心第二轮三年行动计划等多项基金资助。