• •
熊鑫,杨国庆,李洋,石峰,杨连,段维,陈蓓,李勇,赵林伟,付泉水,范小萍
XIONG Xin,YANG Guoqing,LI Yang,SHI Feng,YANG Lian,DUAN Wei,CHEN Bei,LI Yong,ZHAO Linwei,FU Quanshui,FAN Xiaoping
摘要: 背景 近年来,我国老龄化趋势逐渐增高,骨质疏松的发病率也逐渐攀升,成为了困扰老年人身心健康的主要疾病。因此研究基于人工智能的胸腰椎骨密度测定系统及其校准具有重要意义。目的 本文基于CT平扫图像通过人工智能技术分别建立了胸椎和腰椎骨密度测定模型,并通过腰椎测定模型对胸椎的骨密度测定进行了校准,以期提高骨密度测定模型的准确率。方法 根据排除标准,收集2022年3月份至2023年6月份前后一年既行胸部CT检查又完成QCT检查的患者702例,其中532例按照随机分组的方式分为训练集(80%)和验证集(20%),随机数种子设置为20,得到模型训练集426例,测试集106例。另外170例作为模型的外部验证集。通过对患者相关信息及检查图像进行收集分析、分类及后处理,运用相关公司的科研平台系统对收集到的图像进行脊柱分割及特征提取,将人工智能技术应用于胸腰椎平扫CT图像中,使用决策树、逻辑回归、随机梯度下降及随机森林等方法构建了骨质疏松分类模型和骨密度回归模型,同时对建立的模型进行了外部验证。基于Bagging决策树(Bagging Decision Tree)方法分别构建胸椎、腰椎及胸腰椎的骨质疏松症诊断模型,并采用灵敏度、特异度、准确率、精确率及ROC曲线下面积(Area Under the Curve, AUC)等指标评估模型诊断性能,采用平均绝对误差(Mean Absolute Error, MAE)、均方根误差(Root Mean Square Error, RMSE)及决定系数R²等指标评价模型回归性能;通过Pearson相关系数和Bland-Altman图分析,将开发的模型预测的BMD测量值与QCT生成的真实值进行比较。以QCT的诊断结果作为参考标准。结果 胸椎和腰椎的骨质疏松分类模型测试集AUC值分别为0.948和0.968,骨密度回归模型MAE值分别为10.534和9.449,校准后的胸椎骨密度测定模型AUC和MAE值分别提高至0.967和10.511。基于人工智能的胸椎和腰椎骨密度测定结果与QCT测定的骨密度具有高度相关性及一致性,为胸部CT平扫在骨质疏松症的机会性筛查中的应用发展提供了巨大的潜力。结论 基于人工智能的胸椎和腰椎骨密度测定结果与QCT测定的骨密度具有高度相关性及一致性,可有效诊断骨质疏松症。经校准后的胸椎骨密度测定模型也进一步提高了模型在诊断中的性能,为胸部CT平扫在骨质疏松症的机会性筛查中的应用发展提供了巨大的潜力。