2025 NICE 健康技术评估：人工智能（AI）技术在机会性检测椎体脆性骨折中的应用的早期价值评估 [HTE34]

人工智能技术可以帮助医疗专业人员在对非相关情况（机会性检测）进行的涉及脊柱的X光图像和CT扫描中发现椎体压缩性骨折（VFFs）。治疗可以减轻症状并降低未来骨折的风险，因此早期发现VFFs有明确的好处。预防未来骨折还可以减少对放射学服务的需求，并在NHS的其他地方节省资金。

BriefCase-Triage, CINA-VCF Quantix, HealthVCF, HealthOST 和 IB Lab FLAMINGO 被设计用于帮助检测 CT 扫描中的 VFFs。与参考标准进行的诊断准确性研究表明，它们可以帮助检测中度至重度的 VFFs。早期的经济证据表明，它们可能是成本效益高的。因此，这 5 种技术被推荐用于与证据生成一起使用。

Annalise Enterprise CXR/Annalise Container CXR、BoneView 和 TechCare Spine 被设计用于帮助在 X 光图像上检测椎体压缩性骨折（VFFs）。Annalise Enterprise CXR/Annalise Container CXR 的临床证据不确定，因为这些证据基于主要或仅包括侧位胸部 X 光图像的研究。在英国国家医疗服务体系（NHS）中，这些图像并不常见，通常只在特定群体中进行。因此，这些证据可能不适用于 NHS，该技术在这种情况下的确诊准确性是不确定的。BoneView 和 TechCare Spine 的有用性不确定，因为它们仅分析脊柱 X 光图像，这些图像通常用于与背痛相关的指征，并包括对脊柱的全面审查。这意味着这些 X 光图像上不太可能漏掉 VFFs，因此这些技术可能没有额外的益处。此外，目前没有关于TechCare Spine的临床证据。因此，这3种技术只能用于研究。

在英国，与标准护理相比，这些技术的诊断准确性证据有限。因此，应收集更多数据，以展示它们在临床实践中检测额外VFFs方面的优越性。还需要更多证据来了解这些技术对接受诊断成像的人员和医疗专业人员的下游影响。这应包括这些技术对转诊率和治疗、生活质量及医疗专业人员工作量的影响。公司还应解决关于其技术无法处理图像（故障率）的证据空白以及这种现象发生的原因。