基于深度學(xué)習(xí)的骨質(zhì)疏松影像學(xué)輔助診斷研究進展*

何猛 唐雄風(fēng) 郭德明 沈先月 陳博 秦彥國

隨著老齡化進程加快，骨質(zhì)疏松癥（osteoporosis，OP）成為影響我國中老年骨骼健康的無形殺手[1]。骨折是骨質(zhì)疏松癥的最嚴重后果，造成相當大的健康、社會和經(jīng)濟負擔(dān)。雙能X線吸收測定法（dual energy X-ray absorptiometry，DXA）等影像學(xué)檢查方法廣泛用于骨質(zhì)疏松癥的診斷，但存在無法確切定量評估骨質(zhì)量、易受骨贅及鈣化影響、診斷標準單一等問題。目前，深度學(xué)習(xí)技術(shù)飛速發(fā)展，被廣泛應(yīng)用于醫(yī)學(xué)領(lǐng)域。本文總結(jié)了骨質(zhì)疏松癥常用影像學(xué)診斷技術(shù)的優(yōu)缺點及深度學(xué)習(xí)技術(shù)輔助骨質(zhì)疏松癥診斷的具體研究進展。

1 骨質(zhì)疏松癥

1.1 流行病學(xué)

骨質(zhì)疏松癥是一種以骨量減少和骨結(jié)構(gòu)破壞為特征的疾病，導(dǎo)致骨骼強度下降和骨折風(fēng)險增加[2]。骨質(zhì)疏松癥在老年人中普遍存在，因通常在發(fā)生脆性骨折前無癥狀或體征，也被認為是一種“沉默的疾病”。目前，中國估計共有1 090萬男性和4 930萬女性患有骨質(zhì)疏松癥。骨骼礦物質(zhì)密度（bone mineral density，BMD）值因人口特征而異，我國50歲及以上男性和女性的骨質(zhì)疏松癥年齡標準化患病率達到6.46%和29.13%[3]。脊柱、髖部或前臂骨折是骨質(zhì)疏松癥的常見并發(fā)癥[4]。骨質(zhì)疏松癥的發(fā)病機制主要是成骨和破骨的動態(tài)失衡，導(dǎo)致破骨多于成骨，造成骨代謝紊亂。

1.2 常見影像學(xué)診斷

1.2.1 雙能X線吸收測定法

雙能X線吸收測定法（DXA）基礎(chǔ)研究最早于1963年由Cameron和Sorenson[5]描述，至今仍被廣泛用于骨密度的評估。雙能X射線吸收測定法測定的髖部及第1至4腰椎（L1-4）的骨密度是臨床診斷骨質(zhì)疏松癥的“金標準”[6]。骨密度通常用T值（T-Score）表示，T值＝（實測值－同種族同性別正常青年人峰值骨密度）/同種族同性別正常青年人峰值骨密度的標準差。對于絕經(jīng)后女性、50歲及以上男性，建議參照世界衛(wèi)生組織（WHO）推薦的診斷標準：T值≥-1.0為正常；-2.5＜T值＜-1.0為骨量降低；T值≤-2.5為骨質(zhì)疏松；符合骨質(zhì)疏松診斷標準，同時伴有一處或多處脆性骨折診斷為嚴重骨質(zhì)疏松[7]。但腰椎和髖部骨質(zhì)變化易受多種因素的影響，這時需加做前臂骨密度檢測。

1.2.2 定量計算機斷層掃描

定量計算機斷層掃描（quantitativecomputed tomography，QCT）于1977年由Genant和Boyd[8]首次引入，是基于臨床CT掃描數(shù)據(jù)，經(jīng)過體模校正和專業(yè)軟件調(diào)整，對人體骨骼進行定量評估的技術(shù)。與DXA不同，QCT測量的是真正的體積骨礦物質(zhì)密度（Volumetric BMD，vBMD），單位是mg/cm3，可以區(qū)分骨小梁和骨皮質(zhì)，不受身高、體重的影響[9]。國際臨床骨密度測量學(xué)會推薦測量L1和L2的平均BMD。美國放射學(xué)會提出腰椎QCT診斷骨質(zhì)疏松癥的標準為正常（體積骨密度＞120 mg/cm3）、骨量減少（80 mg/cm3≤體積骨密度≤120 mg/cm3）和骨質(zhì)疏松（體積骨密度＜80 mg/cm3）[10]。這些閾值是腰椎QCT診斷骨量減少或骨質(zhì)疏松的金標準。但是QCT檢查放射劑量較大，費用較高，因此并未廣泛應(yīng)用。

1.2.3 磁共振成像

磁共振成像（magnetic resonance imaging，MRI）沒有輻射，常用于對肌肉、軟骨和骨髓等軟組織進行成像。關(guān)于定量MRI，早在20世紀90年代的研究就引入了T2圖像和高分辨率骨小梁成像，可以評估與骨質(zhì)疏松癥相關(guān)的骨微結(jié)構(gòu)[11]。MRI通過骨小梁結(jié)構(gòu)周圍的脂肪基質(zhì)層發(fā)出的信號變化能夠?qū)切×壕W(wǎng)絡(luò)進行成像，采集實現(xiàn)最大化骨髓信號并增強松質(zhì)骨的對比度[12]。但MRI不能顯示骨礦物質(zhì)密度的信息[13]，而且檢查費用較高，存在技術(shù)要求。

1.2.4 定量超聲技術(shù)

定量超聲技術(shù)（quantitative ultrasound，QUS）通過被測量區(qū)域（多為前臂等區(qū)域）的骨骼對超聲波的衰減及反射來呈現(xiàn)骨質(zhì)密度的變化，還可以反映骨骼力學(xué)方面的情況，多作為骨折風(fēng)險的評估[14]。

1.2.5 放射性核素骨顯像

核素骨顯像對原發(fā)性骨質(zhì)疏松癥的診斷并無明顯臨床意義，椎體壓縮性骨折時表現(xiàn)為較強的線狀特征性顯像劑分布濃聚帶[3]，骨閃爍顯像對骨質(zhì)疏松癥患者椎體壓縮性骨折的檢測具有非常高的敏感性[15]。

2 人工智能技術(shù)

2.1 人工智能技術(shù)在骨科領(lǐng)域的應(yīng)用

隨著大數(shù)據(jù)時代的來臨和計算機能力的提高，人工智能已經(jīng)給醫(yī)療行業(yè)帶來了革命性的變化。人工智能（artificial intelligence，AI）正迅速成為診斷疾病、輔助臨床決策的輔助工具。廣泛的研究表明，基于人工智能的系統(tǒng)在許多骨科疾病的診斷中表現(xiàn)良好，如顯著提高隱匿性骨折的診斷準確率[16]、骨關(guān)節(jié)炎診斷準確度達專家水平[17]等。

2.2 人工智能技術(shù)在骨質(zhì)疏松/骨折預(yù)測領(lǐng)域的應(yīng)用

20世紀90年代，人工智能技術(shù)首次應(yīng)用于骨質(zhì)疏松性骨折識別研究[18]，有助于改善骨折預(yù)防策略，該項研究也證明了人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）在低BMD的預(yù)測中并不比常規(guī)統(tǒng)計方法更有優(yōu)勢。

2006年，Chiu團隊[19]提出了一種神經(jīng)網(wǎng)絡(luò)來識別老年人的骨質(zhì)疏松癥（男性157名，女性1 246名）。研究人群隨機分為三組，訓(xùn)練組703名，驗證組350名，測試組350名。輸入變量包括人口統(tǒng)計特征、人體測量和臨床數(shù)據(jù)。輸出變量為非骨質(zhì)疏松組（T值大于-2.5分）或骨質(zhì)疏松組（T值為-2.5分或更低），按雙能X射線吸收測定法測量分類。

在2007、2008和2009年，神經(jīng)網(wǎng)絡(luò)和支持向量機（support vector machine，SVM）技術(shù)結(jié)合骨密度指標及多種參數(shù)用于提升X線或超聲圖像對骨質(zhì)疏松的評估效果[20]，使用SVM技術(shù)將各種紋理參數(shù)與骨密度參數(shù)相結(jié)合，并指出最有希望的參數(shù)組合，以區(qū)分骨質(zhì)疏松性骨折組和非骨折組。2008年，人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于骨骼X線圖像進行圖像像素點識別和定量分析，并能結(jié)合提取圖像特征[21]。

2.3 深度學(xué)習(xí)技術(shù)輔助骨質(zhì)疏松影像學(xué)診斷

深度學(xué)習(xí)（deep learning）是機器學(xué)習(xí)中一種基于對數(shù)據(jù)進行表征學(xué)習(xí)的方法。在這種方法中，復(fù)雜的多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)通過將輸入信息轉(zhuǎn)換為多個抽象層次來自動學(xué)習(xí)數(shù)據(jù)的表示。其動機在于建立、模擬人腦進行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，模仿人腦的機制來解釋數(shù)據(jù)，如圖像、聲音和文本。對于圖像中的模式識別任務(wù)，深度卷積神經(jīng)網(wǎng)絡(luò)（deep convolutional neural network，DCNN）是最常用的深度學(xué)習(xí)網(wǎng)絡(luò)。在一個足夠大的訓(xùn)練集上，DCNN可以學(xué)習(xí)通過反向傳播迭代調(diào)整其權(quán)重，從給定任務(wù)的訓(xùn)練樣本中自動提取相關(guān)特征。由于學(xué)習(xí)過程是自動化的，深度學(xué)習(xí)可以輕松地分析數(shù)千或數(shù)百萬個案例。因此，只要訓(xùn)練集足夠大且多樣化，能夠進行分析，深度學(xué)習(xí)就可以更穩(wěn)健地應(yīng)對不同類別之間的特征差異[22]。

在骨質(zhì)疏松診斷和骨折預(yù)測領(lǐng)域，醫(yī)學(xué)影像占據(jù)主導(dǎo)地位。近年來，一些研究已經(jīng)使用深度學(xué)習(xí)算法根據(jù)醫(yī)學(xué)圖像來診斷骨質(zhì)疏松。因此筆者總結(jié)現(xiàn)有深度學(xué)習(xí)結(jié)合骨質(zhì)疏松影像學(xué)輔助診斷的研究進展并進行展望，具體研究如表1所示。

表1 深度學(xué)習(xí)技術(shù)和骨質(zhì)疏松影像學(xué)檢查結(jié)合研究

2.3.1 深度學(xué)習(xí)技術(shù)結(jié)合雙能X線吸收測定法

自從1987年雙光子吸收測定法轉(zhuǎn)變?yōu)殡p能X射線吸收測定法（DXA）以來，DXA就一直作為骨質(zhì)疏松診斷的“金標準”而存在。但是DXA是二維重疊圖像，易受患者體位等因素影響，不能區(qū)分骨小梁和骨皮質(zhì)，不能處理脊柱重疊組織引起的偽影，從而影響B(tài)MD測量結(jié)果的準確性。同時，高質(zhì)量的DXA測量需要對操作技術(shù)人員進行細致的培訓(xùn)，成本較高。Nazia Fathima等[23]于2020年使用一種改進的帶注意力單元的U-Net模型，從X線圖像和DXA圖像中準確地分割出骨骼區(qū)域。建立線性回歸模型，計算BMD和T值。模型在X線圖像和DXA圖像兩個數(shù)據(jù)集上都實現(xiàn)了88%的準確率。2021年，Yang等[24]提出一種基于Resblock的深度學(xué)習(xí)方法，用于在雙能X射線成像中精確自動分割尺骨和橈骨，有利于應(yīng)用于骨密度的測量和骨質(zhì)疏松的診斷。通過結(jié)合深度學(xué)習(xí)技術(shù)，可以針對DXA圖像進行骨質(zhì)情況識別判斷，提升了雙能X線吸收測定法檢測骨質(zhì)疏松的能力。

2.3.2 深度學(xué)習(xí)技術(shù)結(jié)合X線平片

骨骼X線平片圖像是骨質(zhì)疏松診斷最常見的檢查手段。骨質(zhì)疏松在X線平片上顯示為骨小梁稀疏、骨密度降低[3]。但X線沒有提供任何圖像的臨床解釋及與骨折風(fēng)險狀況相關(guān)的任何參數(shù)，無法靈敏顯示早期的骨量變化。2018年，Areeckal等[25]訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)（ANN）分類器模型，利用手和腕部X線光片的皮質(zhì)放射測量和松質(zhì)層紋理分析數(shù)據(jù)來早期診斷骨量減少和骨量正常，訓(xùn)練數(shù)據(jù)中準確率為94.3%，測試數(shù)據(jù)中準確率為88.5%。2020年，Zhang等[26]則基于腰椎X射線圖像，通過DCNN模型實現(xiàn)了對骨量減少和骨質(zhì)疏松癥的分類。隔年臺灣桃園長庚紀念醫(yī)院的Hsieh等[27]提出了一種使用X線平片識別骨折、預(yù)測骨密度和評估骨折風(fēng)險的自動化工具，對骨質(zhì)疏松癥的陽性或陰性預(yù)測值為95%，可能有助于識別骨質(zhì)疏松癥的高?；颊摺Ｍㄟ^訓(xùn)練深度學(xué)習(xí)模型，實現(xiàn)在X線平片上即可輔助診斷骨質(zhì)疏松癥的目的，有效減輕醫(yī)院的診療壓力及患者的經(jīng)濟負擔(dān)。

2.3.3 深度學(xué)習(xí)技術(shù)結(jié)合計算機斷層掃描檢查（CT）

隨著深度學(xué)習(xí)技術(shù)的發(fā)展，2018年Tomita等[28]利用深度卷積神經(jīng)網(wǎng)絡(luò)從CT掃描的每個切片中提取放射特征，檢測胸部、腹部和骨盆CT檢查中的偶發(fā)骨質(zhì)疏松性脊椎骨折，準確率達89.2%，與放射科醫(yī)生在真實臨床環(huán)境中的表現(xiàn)相符。2019年，Krishnaraj等[29]將CT圖像和DXA檢查相結(jié)合，描述一種使用機器學(xué)習(xí)算法從常規(guī)獲取的CT檢查中模擬腰椎DXA評分的方法，能夠有效識別骨質(zhì)疏松和骨量減少，準確率高達82%，填補了骨密度篩查領(lǐng)域的空白。2020年，Yasaka團隊[30]利用深度學(xué)習(xí)模型從平掃的腹部CT圖像中預(yù)測腰椎的骨密度（BMD），CNN模型估計的骨密度值與DXA獲得的骨密度值顯著相關(guān)，實現(xiàn)了骨密度值在CT圖像上的量化。2021年，中山大學(xué)Fang等[31]則使用定量計算機斷層掃描（QCT）測量的值為分析的標準，提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的CT圖像椎體分割和骨密度（BMD）計算的全自動方法，可能有助于臨床醫(yī)生在脊柱或腹部CT掃描中進行骨質(zhì)疏松癥篩查。從而實現(xiàn)了CT水平上醫(yī)生級別的骨礦物質(zhì)密度計算和骨質(zhì)疏松篩查。2.3.4深度學(xué)習(xí)技術(shù)結(jié)合磁共振檢查（MRI）

磁共振成像（MRI）提供了一種在不使患者暴露于電離輻射的情況下對肌肉、骨骼系統(tǒng)進行成像的方法。核磁共振成像常用于軟組織成像，如肌肉、軟骨和骨髓，并且對骨骼中的微觀結(jié)構(gòu)變化敏感，這反過來又可能有助于預(yù)測骨折風(fēng)險。然而，由于骨組織的快速信號衰減和低質(zhì)子密度，骨皮質(zhì)和骨小梁的定量評估具有挑戰(zhàn)性[32-33]。Deniz等[32]于2018年提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)（deep convolutional neural networks，CNNs）的股骨近端自動分割方法?；贑NNs的股骨近端自動分割精度為0.95±0.02。CNNs提供的高分割精度有助于將骨質(zhì)量的結(jié)構(gòu)MRI測量應(yīng)用于骨質(zhì)疏松癥的臨床實踐。2021年，Yabu等[34]構(gòu)建了一種在磁共振圖像上檢測骨質(zhì)疏松性椎體骨折的卷積神經(jīng)網(wǎng)絡(luò)（CNN），模型的準確率為88%，外科醫(yī)生的準確率為87%和80%，模型診斷準確性可與兩位脊柱外科醫(yī)生相媲美。

3 小結(jié)與展望

筆者通過文獻檢索，梳理骨質(zhì)疏松癥常見影像學(xué)診斷方法，并對深度學(xué)習(xí)技術(shù)輔助骨質(zhì)疏松癥影像診斷進行總結(jié)。目前骨質(zhì)疏松篩查可以通過DXA檢查、QCT檢查對就診者骨質(zhì)進行定量評估[7,10]，也可以經(jīng)由深度學(xué)習(xí)模型識別影像數(shù)據(jù)紋理、形態(tài)學(xué)結(jié)構(gòu)等特征來提示骨質(zhì)情況[25]，并且通過結(jié)合定量手段，也可以實現(xiàn)基于深度學(xué)習(xí)技術(shù)的骨質(zhì)疏松影像學(xué)輔助診斷定量精確評估[30]。通過深度學(xué)習(xí)技術(shù)的結(jié)合，可以基本實現(xiàn)臨床醫(yī)生的骨質(zhì)疏松診斷水平[32,34]，有助于解決骨質(zhì)疏松影像檢查的設(shè)備依賴性，從而實現(xiàn)廣泛的早期篩查；綜合醫(yī)院日常診療工作繁重，基層醫(yī)院醫(yī)生診療水平有限，容易出現(xiàn)影像診斷的漏診和誤診，造成醫(yī)療資源的浪費，對患者生命健康造成損傷，通過深度學(xué)習(xí)技術(shù)輔助診斷，可以大大減輕診療壓力，提升診療精確度。雖然目前臨床上對于深度學(xué)習(xí)技術(shù)在骨質(zhì)疏松癥的使用已經(jīng)有了一定的研究。但是筆者發(fā)現(xiàn)，現(xiàn)有的研究存在一些局限性：①研究數(shù)據(jù)多為同設(shè)備采集，缺乏不同設(shè)備、地域、人群的數(shù)據(jù)對比，模型診斷精確度提升有瓶頸；②同時研究影像數(shù)據(jù)集量較小，缺乏大規(guī)模公共數(shù)據(jù)庫，數(shù)據(jù)庫的建立存在著一定的倫理和患者隱私上的困擾；③骨質(zhì)疏松癥的識別不能形成時間維度的判斷，缺乏患者的預(yù)防、診斷、治療、用藥、康復(fù)運動、后期保養(yǎng)等全過程。因此，我們應(yīng)當著力于提高數(shù)據(jù)質(zhì)量，建立數(shù)據(jù)標準化體系，同時不斷升級優(yōu)化深度學(xué)習(xí)算法。此外，還可研究多模態(tài)數(shù)據(jù)與深度學(xué)習(xí)技術(shù)結(jié)合助力骨質(zhì)疏松癥的影像診斷和早期篩查。

骨質(zhì)疏松癥是一種無聲的疾病，影響了全世界的人口，可導(dǎo)致患者出現(xiàn)嚴重傷害，劇烈疼痛，長期喪失活動能力甚至過早死亡[35]。人工智能的最新發(fā)展在輔助骨質(zhì)疏松癥影像診斷方面取得了成功應(yīng)用?，F(xiàn)階段的研究多集中骨質(zhì)疏松進展的某一階段，未來利用深度學(xué)習(xí)技術(shù)搭建模型來開展骨質(zhì)疏松患者疾病相關(guān)因素研究，結(jié)合影像數(shù)據(jù)進行疾病風(fēng)險分析及早期篩查，實現(xiàn)對高危人群精準有效的早期干預(yù)措施和健康管理；在診療階段，定量評估，提高骨質(zhì)疏松的影像診斷效率，減輕醫(yī)療壓力，通過對患者骨質(zhì)的準確評估，明確藥物療效；在康養(yǎng)階段，對患者骨質(zhì)健康進行長期管理，最終打造針對骨質(zhì)疏松患者的全流程防護機制，同時結(jié)合我國5G通信和大數(shù)據(jù)技術(shù)，有助于解決區(qū)域醫(yī)療發(fā)展及醫(yī)療資源配置不均衡的情況，減輕患者和社會經(jīng)濟負擔(dān)，提高區(qū)域整體醫(yī)療水平。