Профилактика низкоэнергетических переломов: выявление остеопороза при выполнении рутинной КТ с помощью искусственного интеллекта

Без рубрики: В исследовании показано, что инструмент на основе искусственного интеллекта способен выявлять признаки снижения минеральной плотности костной ткани на рутинных КТ, которые в противном случае остаются неописанными. По сравнению с рентгенологами система искусственного интеллекта выявляла значительно больше случаев с потенциальными признаками снижения минеральной плотности костной ткани, что создаёт масштабируемый подход к более раннему выявлению пациентов, которым может потребоваться дополнительное обследование.

Цель: Остеопороз часто остаётся нераспознанным при выполнении компьютерной томографии (КТ) по другим показаниям, и диагноз устанавливают лишь после возникновения перелома при минимальной травме. Мы представляем инструмент на основе искусственного интеллекта для попутной оценки минеральной плотности костной ткани (МПК) на нативных и контрастных КТ всего позвоночника, позволяющий выявлять признаки, указывающие на снижение МПК.

Методы: Мы обучили нейронную сеть классифицировать МПК отдельных позвонков как нормальную, соответствующую остеопении или остеопорозу; эталонным стандартом служили значения T-критерия, полученные при двухэнергетической рентгеновской абсорбциометрии (DXA). Обучающая выборка включала 1084 сагиттальные серии КТ позвоночника, выполненные у 526 пациентов в нескольких медицинских центрах США и Германии; были представлены шейный, грудной и поясничный отделы позвоночника. Модель оценивали на независимой контрольной выборке из 270 пациентов. Кроме того, при ретроспективном анализе 354 пациентов, у которых впоследствии произошли переломы при минимальной травме, модель искусственного интеллекта применяли к контрастным или нативным КТ, выполненным за 12–24 месяца до перелома, чтобы оценить, как часто она выявляла бы признаки, указывающие на снижение МПК, у пациентов, у которых впоследствии произошёл такой перелом.

Результаты: На независимой контрольной выборке специфичность алгоритма составила 84%, чувствительность — 67%. В ретроспективном исследовании модель искусственного интеллекта выявила признаки снижения МПК у 184 из 354 пациентов (87 случаев остеопороза и 97 случаев остеопении), тогда как рентгенологи указали на снижение МПК лишь в 41 случае.

Выводы: Насколько нам известно, эта модель искусственного интеллекта первой классифицирует МПК всего позвоночника на нативных и контрастных КТ. Она продемонстрировала стабильные результаты в условиях реальной клинической практики и может стать перспективным инструментом для масштабного попутного скрининга МПК при выполнении рутинной КТ.