深度学习可通过CT扫描识别低骨密度患者

2025年11月18日，星期二

根据一项发表于11月11日《放射学》网络版的研究，基于深度学习的自动化机会性骨质疏松筛查，能够识别在接受计算机断层扫描（CT）检查的患者中存在的低骨密度问题。

图片来源：drugs

来自德国VisageImaging公司的Malte Westerhoff博士及其同事，开发了一种基于深度学习的方法，利用胸腹部或脊柱CT中胸椎和腰椎的三维感兴趣区域，自动量化骨小梁衰减值。该分析涵盖了283,499名患者的538,946次CT检查，这些检查使用了43种扫描仪型号和六种不同的管电压。

研究人员发现，在80kVp与120kVp条件下，亨氏单位值存在23%的差异；而对于不同的扫描仪型号，其数值差异则小于10%。通过对1,496个椎体进行手动放射科医生审核，验证了自动化ROI放置的准确性，显示一致性超过99%。

年轻女性（50岁以下）的平均骨小梁衰减值高于年轻男性，且该值随年龄增长而下降；绝经后女性的下降幅度更为显著。在50岁以上人群中，男性的骨小梁衰减值高于女性。黑人患者的骨小梁衰减值最高，其次是亚裔患者，白人患者的数值最低。对于第一腰椎，诊断骨质疏松的阈值为80HU。

"我们的研究证明，为其他目的拍摄的现有医学图像可以被重新利用，可靠地识别骨质流失，例如骨质疏松症。"该研究的资深作者、来自纽约市NYU LangoneHealth的Miriam A.Bredella医学博士在一份声明中表示。