胸片上的骨质疏松筛查:AI-OsRM 在三个外部队列中验证后的价值,以及尚缺的真实世界证据

韩国团队(首尔国立大学盆唐医院及合作单位)训练了 AI-OsRM:一个通过图像遮蔽预训练的 ResNet,可从普通胸片识别骨质疏松,并在合计 153,058 人的三个外部队列中进行了测试。AUROC 为 0.88 至 0.93;模拟结果提示,把该模型用作预筛选,可在仍检出 98% 至 99% 骨质疏松病例的前提下,将骨密度检查(DXA)减少约 50%。区分能力扎实、验证规模少见,但可获取的版本没有给出阈值、对照和前瞻性检验:这是机会性筛查的承诺,而非已被证明的结论。

背景

骨质疏松是骨骼变脆、骨折风险上升的疾病。诊断依赖 DXA(双能 X 线吸收测定),它测量骨密度(BMD),并以“T 值”与参考值比较。问题众所周知:DXA 开具不足,许多高危人群从未接受检查。

然而,每年有数以亿计的胸片因其他原因拍摄。“机会性”筛查的想法是重新利用这些已有影像,顺带找出值得做 DXA 的人。胸片上可见的骨骼(椎体、肋骨、锁骨)包含骨密度信息,但肉眼很难读出。已有深度学习模型被提出用于此任务;本文关注的是稳健性,即模型离开构建它的医院后表现如何。

方法

模型。 AI-OsRM 是 ResNet 类网络(带残差连接的卷积网络,经典视觉架构),以 masked autoencoder(遮蔽自编码器)方式预训练:隐藏每张图像的大部分区域,让网络重建,迫使它在无标签情况下学习胸片结构。随后经微调(fine-tuning)预测两个目标:骨质疏松,以及范围更广的“骨密度降低”。可获取版本未给出参数量。

开发数据。 来自一家三级转诊医院 26,757 名患者的 46,478 次检查,每次同时包含胸片与 DXA,时间为 2016 至 2022 年。DXA 作为参考标签。

外部验证。 三个独立队列:SNUH(6,391 人,按时间分离的医院队列)、HPC(24,132 人,健康体检)和 YSMC(122,535 人,健康体检)。外部验证指在未参与建模、来自其他地点或时期的人群上测试模型,是影像模型最重要的检验。

主要指标。 AUROC(ROC 曲线下面积)衡量把患者排在非患者之前的能力:0.5 相当于随机,1 为完美区分。AUROC 为 0.9 意味着,随机取一对患者与非患者,模型有十分之九的概率给患者更高分。

可获取版本未说明的内容。 我们只能读到这份“已接收稿”(提前在线版,仍可能修改)的摘要和元数据。精确定义(T 值切点)、胸片与 DXA 的间隔、排除标准、训练 / 验证 / 内部测试划分、各队列患病率和操作阈值均未出现;它们很可能在 PDF 及补充材料(含 STROBE 清单)中,而我们未能查阅。因此下文仅限于摘要已公布的内容。

结果

机器学习指标。 对骨质疏松,AUROC 在 SNUH 为 0.88(95% CI 0.87–0.89),HPC 为 0.93(0.92–0.93),YSMC 为 0.92(0.92–0.92)。对骨密度降低,SNUH 为 0.88(0.87–0.89);HPC 与 YSMC 的对应数值摘要中未给出。区间非常窄,反映的是样本量,而非临床确定性。

预筛选模拟。 作者报告,把模型作为 DXA 之前的过滤器,可使 DXA 使用量减少约 50%,同时检出 98% 至 99% 的骨质疏松病例和 80% 至 90% 的骨密度降低病例。所用阈值、模拟方法以及对应的敏感度和特异度,摘要中均未详述。

临床转化。 这些数字可以这样理解:每 100 名真正患骨质疏松并经过该过滤器的人,会有 1 至 2 人被漏掉、被错误地分流到不做 DXA;每 100 名骨密度降低者,会漏掉 10 至 20 人。作为交换,一半的 DXA 将不必进行。没有患病率和特异度就无法再深入:不知道有多少健康人会被无谓地转去做 DXA,也不知道会预防或造成多少骨折。

优点

三个大型外部队列。 6,391、24,132 和 122,535 人,共 153,058 人,包括一个时间分离的医院队列和两个健康体检队列。很少有影像模型在原中心之外以这种规模测试。

规模可观的开发集与可靠的参考标准。 来自 26,757 名患者的 46,478 对胸片–DXA,以参考检查 DXA 作为标签,而非主观读片。

在不同人群间表现保持稳定。 从医院场景到健康体检场景,AUROC 保持在 0.88 至 0.93,方法也面向现实使用(复用现有影像)。公共资金(韩国国家研究基金会、医院研究基金)与开放获取便于批判性阅读。

不足

预筛选是模拟的,而非实测的。 减少 50% DXA 来自模拟,摘要未公布阈值,没有前瞻性研究,也没有对决策或骨折的实测影响。98% 至 99% 的检出率完全取决于未说明的阈值:这是典型的误导性指标,高 AUROC 并不说明真实的工作点。对骨密度降低,最多有约 20% 的病例被漏掉。

缺少对照,且存在人群偏倚风险。 可获取版本中没有与简单工具(年龄、性别、体重指数、临床风险评分)或放射科医生的比较。而年龄和性别本就能较好预测骨质疏松:没有这一对照,就不清楚影像究竟增加了什么。此外,所有数据似乎都来自韩国;对其他人群、设备或体型的表现未知。由相对健康者组成的体检队列,其患病率和特征也可能不同于真正想筛查的患者。

利益关联较多,透明度不完整。 利益声明称“与本文无关的利益冲突:无”,但有作者另行声明在医疗 AI 公司(Crescom、Coreline Soft、Lunit、Promedius、Yeji X)担任顾问、持有股票或获得资助,另有一位作者隶属牙科器械企业 Osstem Implant。摘要未提及代码、权重和数据;论文许可(CC BY-NC-ND 4.0)并不说明模型的许可。在可获取内容中,也未讨论捷径学习(shortcut learning)风险,即模型依赖表观年龄、性别或体型等伪线索而非骨骼本身。

意义

对研究界。 本文为胸片机会性筛查设定了参考水平,外部验证规模少见。合理的后续工作:与简单临床变量比较、公布阈值、在韩国以外测试,并开展前瞻性研究,衡量避免的 DXA 和漏诊的骨折。

对临床医生。 目前没有任何改变:这是提前在线的稿件,是未提及监管批准的研究模型,是否开具 DXA 仍由医生决定。长远看,这类工具可作为附加在已拍胸片上的低调提示,前提是已知其假警报率。

对患者与公众。 骨质疏松往往在首次骨折前毫无症状。无需额外辐射或就诊的筛查很有吸引力,但目前仍不清楚有多少人会被错误地安抚或被无谓地担忧。

延伸阅读

论文发表于 npj Digital Medicine:doi.org/10.1038/s41746-026-03333-7(2026 年 4 月 3 日收稿,9 月 18 日接受,10 月 9 日在线发表)。PDF 及补充材料(含 STROBE 清单)包含我们未能读到的方法细节。可获取部分未提及代码仓库。

编辑透明度声明:本文借助人工智能工具,依据已发布的摘要和元数据撰写(未能获取全文);英文、西班牙文和中文版本为机器翻译。