Radiology：没有症状就能预测骨质疏松性骨折？人工智能帮你号号脉！

骨质疏松症是一个主要的公共健康问题，在世界范围内的患病率持续增长。脆性骨折被定义为与高冲击性创伤无关的不全性骨折，是骨质疏松症诊断和治疗不足的主要并发症。骨折风险评估工具（FRAX）是一种成熟的、经过验证的多变量筛选算法，该算法结合了多种临床数据，可用于评估未来的骨折风险。双x线骨密度仪(DXA)作为FRAX的可选输入变量，是当前骨密度筛查的成像标准。然而，由于DXA为平面成像，因此对骨折的敏感性较低，且FRAX本身需要手动输入数据，进一步降了利用率。

为了进一步解决这些问题，机会性地使用通过对其他适应症进行的体部CT扫描得出的骨密度数据也许会提供有价值的筛查信息。对意外骨折风险增加的患者进行的机会性或偶然性CT扫描可以提高总体筛查率，并可进一步降低未来骨折的发生率。诊断成像代表了人工智能在医学上的逻辑应用。其中，腹部和胸部CT扫描通常用于各种适应症，因此CT扫描可为自动化算法的应用提供了快速、客观、高度可重复性的影像数据。

近日，发表在Radiology杂志的一项研究评估了基于CT的全自动骨骼、肌肉和脂肪测量方法在无症状成人中预测未来重大骨质疏松性骨折的能力，并与当前的FRAX参考标准进行了比较，为临床大规模筛查骨质疏松性骨折提供了技术支持，为进一步骨质疏松性降低骨折的发病率及死亡率提供了参考依据。

全自动骨衰减（L1级衰减）、肌肉衰减（L3级衰减）和脂肪（L1级内脏/皮下[V / S]比）测量值来源于2004年至2016年健康无症状成人门诊队列的低剂量无对比腹部CT扫描。通过电子健康记录搜索算法获得的数据计算FRAX得分。对该队列进行了评估以评估随后的脆性骨折。对采用双x线骨密度仪评估的患者进行了亚组分析(n = 2106)。同时进行了风险比(HRs)和受试者工作特征曲线分析。

本研究共对9223名成年人进行了CT评估（平均年龄，57岁±8 [标准差]；5152名女性），平均中位随访时间为8.8年（四分位间距为5.1-11.6年），其中7.4% (n = 686)患者出现了严重骨质疏松性骨折，2.4% (n = 219)为髋部骨折。将最高风险的四分位数与其他三个四分位数进行比较，对于所有脆性骨折，骨衰减、肌肉衰减、V/S脂肪比和FRAX的HR分别为2.1、1.9、0.98和2.5，对于股骨骨折的HR分别为2.0、2.5、1.1和2.5（除了V/S比的P≥.51之外，其余P均<.001）。脆性骨折的受试者工作特征曲线下面积（AUC）在随访2年时分别为0.71、0.65、0.51和0.72，在10年时分别为0.63、0.62、0.52和0.65。对于髋部骨折，随访2年的单独肌肉衰减AUC为0.75，而FRAX为0.73（P = .43）。对于所有脆性骨折，结合骨骼和肌肉衰减的多变量2年随访AUC为0.73。对于髋部骨折时为0.76（与FRAX相比，P≥0.73）。在双X线骨密度仪T分数的亚组中，骨衰减的随访2年AUC为0.74，而FRAX的随访2年AUC为0.65（P = .11）。

图1 临床和自动CT参数的四分位数Kaplan-Meier骨折时间图。根据自动CT参数(a)骨骼衰减、(b)肌肉衰减、(c)内脏-皮下(V/S)脂肪比、(d)骨折风险评估工具(FRAX)和(e)体重指数(BMI)，观察到随着时间的推移，未来脆性骨折(n = 686)的四分位数分离。四分位数分离在以脂肪为基础的测量(V/S比率和BMI)中并不明显。然而随着时间的推移，最高的V/S四分位数显示出较低的骨折发生率。

表1 预测未来骨折的诊断性能。

本研究结果表明，从腹部CT扫描中获得的全自动定量骨骼和肌肉参数在症状前预测未来脆性骨折发生的诊断性能，与已建立的多变量骨折风险评估工具(FRAX)具有相似的预测性能。肌肉衰减单独与FRAX相匹配可以预测未来髋部骨折的发生风险，而脂肪测量在骨折预测方面性能欠佳。这些基于CT的机会性参数可以协助临床在症状发生前筛选出具有高风险骨质疏松性骨折的个体，为骨质疏松性骨折的早期预防提供了影像学的支持，也为其他适应症的CT扫描增加了附加价值。

原文出处：

Perry J Pickhardt,Peter M Graffy,Ryan Zea,et al.Automated Abdominal CT Imaging Biomarkers for Opportunistic Prediction of Future Major Osteoporotic Fractures in Asymptomatic Adults’.DOI:10.1148/radiol.2020200466