Искусственный интеллект в диагностике остеопороза
Остеопороз часто диагностируют только после перелома. Новое исследование показывает, что искусственный интеллект может анализировать рутинные рентгеновские снимки грудной клетки и выявлять людей с низкой плотностью костной ткани. Остеопороз часто называют «тихим заболеванием»: кости постепенно ослабевают годами без явных симптомов, пока не происходит перелом. Ранняя диагностика важна, однако действующие клинические рекомендации по скринингу в основном ориентированы на пожилых женщин и другие группы высокого риска, в результате чего часть мужчин и более молодые взрослые остаются с недиагностированной потерей костной массы.
Во всем мире более 200 миллионов человек живут с остеопорозом, и заболевание ежегодно приводит к миллионам переломов. В условиях старения населения, особенно в азиатских регионах с быстрыми демографическими изменениями, ожидается значительный рост числа связанных с остеопорозом переломов. Новое исследование исследователей из Национального университета Тайваня и больницы Св. Павла показало, что система искусственного интеллекта способна извлечь важную информацию о состоянии костей из рутинных рентгенограмм грудной клетки.
Работа, опубликованная в npj Digital Medicine, демонстрирует, что ИИ может анализировать снимки, которые уже широко выполняются в рамках обычных медицинских осмотров в Азии, и на их основе выявлять пациентов с низкой плотностью костной ткани. Авторы отмечают, что такой подход может помочь обнаруживать людей, которые по существующим критериям не подлежат скринингу на остеопороз, но при этом имеют повышенный риск переломов.
Согласно исследованию, текущие рекомендации по скринингу в основном адресованы постменопаузальным женщинам, пожилым людям и лицам с установленными клиническими факторами риска. В результате мужчины, более молодые взрослые и люди с нормальной массой тела часто остаются за пределами стандартных путей скрининга. Авторы подчёркивают, что это приводит к существенному числу пропущенных случаев сниженной плотности костной ткани: более половины участников с подтверждённой аномальной плотностью имели нормальный индекс массы тела, что указывает на серьёзную «слепую зону» в традиционной риск-ориентированной стратегии.
Разработанная система ИИ не предназначена для замены существующих диагностических методов. Её задача — отбирать пациентов, которым целесообразно направить дальнейшее обследование с применением двойной энергетической рентгеновской абсорбциометрии (DXA), принятой в качестве эталона для измерения минеральной плотности костной ткани. В условиях национальной системы медицинского страхования, где доступ к DXA часто определяется строгими руководящими критериями, анализ рутинных рентгенограмм при помощи ИИ может выявлять тех, кто в противном случае остался бы без подтверждающего обследования.
Одно из ключевых преимуществ предложенного подхода — повторное использование уже имеющихся изображений, собранных в ходе обычной медицинской помощи. Поскольку не требуется выполнение дополнительных сканов, «оппортунистический» скрининг можно внедрять с минимальными дополнительными затратами и неудобствами для пациентов. Анализ существующих снимков может позволить медицинским работникам обнаружить раннее снижение костной массы до появления переломов и тем самым своевременно назначить лечение и рекомендовать изменения образа жизни.
Авторы исследования считают, что интеграция ИИ-анализа рентгенограмм грудной клетки в клинические рабочие процессы может преобразовать существующие практики в масштабируемые стратегии профилактической медицины и повысить равный доступ к скринингу на остеопороз в популяциях Азии. Лидер исследования отмечает, что внедрение такого инструмента способно дополнить действующие руководства и расширить круг лиц, получающих профилактическую оценку риска переломов.
Работа подтверждает перспективность использования искусственного интеллекта для повышения диагностического охвата и раннего выявления снижения плотности костной ткани путем анализа изображений, которые уже широко применяются в системе здравоохранения. Авторы подчёркивают, что дальнейшие шаги должны включать клиническую валидацию и оценку интеграции такого подхода в существующие маршруты оказания медицинской помощи, чтобы обеспечить эффективность и безопасность его применения в рутинной практике.
