骨质疏松症是一种最常见的骨骼疾病，其患病率随年龄的增加而显著增高。普通人群中骨质疏松症(OP)患病率达20%，老年患者OP患病率更是高达30%，在人口老龄化现象突出的当今社会，其对个人健康、家庭负担和社会资源消耗的影响达到了令人震惊的地步。

随着病情的进展，患者可出现疼痛、脊柱变形和骨折等情况，致残致死率高，不仅严重影响患者生活质量，同时也产生巨大的医疗和照护成本。但是由于各种原因，骨质疏松症并未得到临床医生足够的重视，其在临床上漏诊、误诊现象突出。

骨密度测定有助于协助诊断骨质疏松症。骨密度（BMD）是最有效的骨折风险预测指标，骨折风险与骨密度呈几何级数关系。

在本研究中，采用200个带注释的LDCT扫描对所有椎体（VBs）进行分割和标记，进行深度学习模型训练和测试。通过几何运算得到基于分割掩膜的目标椎体骨松质的平均CT值后，建立一个线性函数，将目标椎体骨松质的CT值映射到QCT图像分析系统中测量的对应骨密度。本研究通过374个LDCT扫描的独立数据集，结合标准骨密度和骨质疏松诊断，对所开发系统的诊断性能进行评估。

该项目的负责人——瑞金医院放射科主任医师陆勇表示，目前诊断骨质疏松以QCT作为标准，腰椎骨密度低于80mg/cm3为骨质疏松，80-120mg/cm3为低骨量，高于120mg/cm3为骨密度正常。

陆勇，上海交通大学医学院附属瑞金医院放射科主任医师，硕士生导师，医学博士。擅长骨关节影像学，特别是软骨影像学，近期最为关注人工关节、金属植入物影像评估和软骨同步辐射研究。人工关节术后影像学评估开国内先河，为众多关节置换手术后疼痛和效果不理想的患者指明了治疗方向，避免了进行翻修等手术。

结果表明，该研究中采用的深度学习算法模型对椎体分割的平均Dice系数达到86.6%，对椎体标记的精准度达到了97.5%。线性回归和Bland-Altman分析表明，骨密度预测数据与真实数据一致性较好，相关系数在0.964-0.968，平均误差为2.2-4.0mg/cm3。检测骨密度疏松症的曲线下面积（AUC）为0.927，而鉴别低骨密度的AUC为0.942。

本研究所开发的系统及QCT图像分析软件在骨密度测量创建的感兴趣容积(VOI)。a.由深度学习模型分割的椎体；b.由所开发系统自动生成的VOI；c.QCT图像分析软件生成的半自动VOI

由于临床意义重大，本研究的开展获得了国家重大疾病防治行动计划（2017ZX01001-S12）、国家自然科学基金项目（81372000）以及上海市科学技术委员会科研项目（17411964900）的资金支持。

目前，此系统还在科研阶段，未来真正落实到临床应用中，还需要进一步的数据迭代和优化。陆勇主任医师介绍说，AI可以帮助减少临床上的重复劳动，同时也能避免人为的主观原因产生一些误诊，漏诊，精准医疗水平的提高，最终是希望更多百姓真正受益。