人工智能软件Rho在低骨密度及骨质疏松机会性筛查中的独立验证研究

《JBMR Plus》：Evaluating an AI software for Opportunistic Low Bone Mineral Density and Osteoporosis Screening: A validation study

本研究针对骨质疏松症诊断金标准双能X射线吸收测定法(DXA)可及性差的问题，开发了基于常规X线片的人工智能筛查软件Rho。验证结果显示该软件对低骨密度(BMD)和骨质疏松的预测AUC分别达0.840和0.815，尤其在盆腔X线片表现最佳(AUC=0.892)。研究证实Rho可作为有效的机会性筛查工具，特别适用于医疗资源匮乏地区。

　　

骨质疏松症被称为"沉默的流行病"，全球有超过10亿人受其影响。这种以骨密度下降和骨组织微结构破坏为特征的疾病，显著增加骨折风险，给医疗系统带来沉重负担。尽管双能X射线吸收测定法(DXA)被公认为诊断金标准，但全球范围内其可及性存在显著差异——特别是在农村和边缘化社区，仅有不到20%的骨质疏松相关骨折患者能获得规范诊断和治疗。

这种医疗资源分布不均的状况催生了对新型筛查工具的迫切需求。在此背景下，加拿大渥太华大学研究团队在《JBMR Plus》发表了关于人工智能软件Rho的验证研究。该软件由16 Bit AI公司开发，已获得加拿大卫生部和美国FDA批准，能够通过分析常规X线片来评估患者的骨密度状况。

研究团队采用回顾性队列设计，纳入了4,878名患者（平均年龄70±10岁，80%为女性），这些患者在2013-2022年间同时拥有DXA检查和符合要求的X线片资料。研究共分析了9,925张X线片和5,366次DXA扫描，重点关注Rho软件在预测低骨密度(T值<-1)和骨质疏松(T值≤-2.5)方面的表现。

关键技术方法包括：利用医院电子病历系统筛选符合标准的病例；采用受试者工作特征曲线(ROC)分析软件性能；通过Youden指数确定最佳诊断阈值；使用Bootstrap重采样计算置信区间；按X线部位、性别和城乡差异进行亚组分析。

主要有效性终点分析

研究结果显示，Rho软件预测低骨密度的总体曲线下面积(AUC)为0.840(95% CI: 0.831-0.848)，最佳诊断阈值为6分；预测骨质疏松的AUC为0.815(95% CI: 0.806-0.824)，最佳阈值为7分。这两个值均超过预设的0.7临床可接受标准。

基于X线部位的Rho性能

不同部位的X线片中，盆腔X线片表现最为出色，预测低骨密度的AUC达0.892(95% CI: 0.879-0.905)，预测骨质疏松的AUC为0.876(95% CI: 0.862-0.889)，显著优于其他部位(p<0.05)。其他部位如胸部、手部、膝部等也表现出良好的诊断性能(AUC均>0.7)。

基于性别的Rho性能

男性和女性组间的AUC无显著差异(p>0.25)，表明软件在不同性别中具有一致的判别能力。然而，最佳诊断阈值存在性别差异：女性预测低骨密度和骨质疏松的最佳阈值分别为6和8，而男性则为5和6。

农村人群中的Rho性能

令人鼓舞的是，Rho在农村人群中表现出优异性能，预测低骨密度的AUC为0.873(95% CI: 0.839-0.902)，骨质疏松为0.865(95% CI: 0.829-0.897)。尽管与城市组存在统计差异，但两组AUC均超过0.8，表明其在不同医疗资源环境下的适用性。

每个DXA的Rho评分变异

针对同一患者多次检查的分析显示，Rho评分具有良好稳定性。平均变异系数(CV)为17.0%(95% CI: 16.4-17.6%)，中位CV为12.9%(95% CI: 12.8-14.2%)，低于20%的临床可接受标准。

混淆矩阵

研究还提供了基于阈值7和8的详细诊断性能指标。在全体样本中，阈值7对应的敏感度为82.8%，特异度为63.7%；阈值8则分别为63.1%和83.2%，为临床应用中权衡漏诊与误诊风险提供了依据。

研究结论强调，Rho软件作为一种机会性筛查工具，能够有效识别低骨密度和骨质疏松风险人群。其优势在于利用广泛可及的常规X线检查，在不增加额外医疗资源投入的情况下扩大筛查覆盖面。特别是在盆腔X线片中表现最佳，而不同性别需要采用差异化诊断阈值的设计，体现了精准医疗的理念。

该研究的现实意义在于为解决骨质疏松筛查不平等问题提供了可行方案。对于农村和边缘化人群，Rho可弥补DXA设备不足的缺口，通过将筛查整合到常规影像检查中，实现早期发现和干预。此外，软件输出的1-10分简易评分系统便于临床医生快速判断，有助于提高筛查效率。

研究同时指出了若干局限性：单中心设计可能影响结果外推性；缺乏成本效益分析；回顾性设计可能存在选择偏倚；DXA本身作为参考标准的不完美性等。未来需要多中心前瞻性研究来验证Rho在预测骨折结局方面的长期价值。

总体而言，这项独立验证研究为人工智能在骨质疏松筛查领域的应用提供了有力证据。随着医疗人工智能技术的不断发展，类似Rho这样的工具有望在改善公共卫生、减少健康不平等方面发挥重要作用，最终实现骨质疏松症的早发现、早诊断、早治疗。