股骨强度与骨密度在预测髋部和主要骨质疏松性骨折中的长期准确性比较：16年随访研究

本研究针对骨质疏松性骨折风险预测中骨密度(aBMD)的局限性，通过16年队列随访比较了有限元(FE)衍生的股骨强度与aBMD的预测效能。结果显示，股骨强度对髋部骨折(HFs)的判别准确性显著优于aBMD（AUC提高3点），且能识别更多高风险个体（敏感性提高5-19%）。该研究为CT影像的机遇性筛查提供了 biomechanical 依据，并呼吁修订现有WHO诊断阈值。

　　

骨质疏松被称为"沉默的流行病"，随着人口老龄化加剧，其引发的骨折已成为全球公共卫生挑战。欧洲每年因骨折产生的医疗费用高达375亿美元，而传统诊断金标准——双能X线吸收测定法(DXA)测量的骨密度(aBMD)存在明显局限：仅能反映骨量的60%-70%，对髋部骨折(HFs)的预测敏感性不足50%。更棘手的是，现有评估工具如骨折风险评估量表(FRAX)依赖临床因素组合，难以捕捉骨骼生物力学的三维特性。这种"盲区"导致大量高风险个体未被及时识别，凸显开发新型生物标记物的紧迫性。

针对这一难题，新加坡-ETH中心联合冰岛心脏协会等机构的研究团队，基于AGES-Reykjavik队列（4621名老年人，平均76岁）开展了长达16年的前瞻性研究。通过将CT扫描数据转化为有限元(FE)模型计算股骨强度，并与DXA等效aBMD直接对比，首次系统评估了两者在长期随访中的预测效能。论文发表于《Osteoporosis International》，为骨质疏松风险管理提供了重要循证依据。

研究采用三项关键技术：1) 基于西门子CT扫描仪获取髋部影像，通过羟基磷灰石校准体模计算CT衍生aBMD；2) 开发全自动Python流程实现FE建模，模拟侧向跌倒载荷下的股骨力学响应；3) 采用时间依赖性ROC分析(timeROC)处理竞争性死亡风险，比较不同时间点AUC差异。队列数据通过冰岛国家登记系统追踪骨折事件（ICD-9/10编码确认）。

股骨强度展现长期预测优势
通过时间依赖性AUC分析发现，股骨强度对HFs的判别准确性从第6年起显著超越aBMD（女性AUC 0.70 vs 0.67，男性0.75 vs 0.72）。这种优势持续至15年随访，证实FE模型能更早识别远期高风险个体。值得注意的是，男性AUC普遍高于女性，可能反映女性骨折发生率更高对统计效能的稀释效应。

诊断阈值优化提升临床价值
对比WHO定义的aBMD阈值（女性<0.70 g/cm²，男性<0.74 g/cm²），研究发现其特异性虽达78%-94%，但敏感性仅17%-52%。而基于Youden指数优化的股骨强度阈值，在保持相当特异性时，对HFs的敏感性提高8%-19%（p<0.05）。例如在冰岛人群中，这种改进理论上可多识别82例高风险个体，凸显个性化阈值的必要性。

MOFs预测的等效性与局限性
对主要骨质疏松性骨折(MOFs)的预测中，两者AUC无显著差异（0.63-0.69），但股骨强度仍显示5%-10%的敏感性优势。这可能反映MOFs包含非力学敏感部位（如椎体），提示需开发部位特异性FE模型。

该研究证实，基于现有CT影像的FE分析可突破DXA时空限制，实现"一箭双雕"的机遇性筛查。尤其对医疗资源匮乏地区，利用既往CT数据评估骨折风险具有显著成本效益。但作者强调，当前WHO阈值需结合人群特征和时间维度动态调整，未来应探索FE强度与FRAX因子的协同效应。这项长达16年的追踪为骨质疏松诊疗提供了两重范式转变：从二维骨量评估转向三维力学评价，从静态诊断转向动态风险监控。