Estimarea densității minerale osoase cu ajutorul inteligenței artificiale din radiografii lombare anteroposterioare

Osteoporoza reprezintă o problemă majoră de sănătate publică, cu un impact socio-economic semnificativ, mai ales în contextul îmbătrânirii populației. Fracturile de fragilitate asociate osteoporozei implică pierderi importante ale calității vieții, funcționalității și speranței de viață. Deși metodele de diagnostic s-au îmbunătățit, evaluarea densității minerale osoase (DMO) prin absorptiometrie duală cu raze X (DXA) rămâne subutilizată din cauza accesibilității limitate. În schimb, radiografiile convenționale sunt mult mai disponibile.

Context și obiectiv

În acest context, cercetătorii au dezvoltat un sistem de diagnostic asistat de inteligență artificială (IA) capabil să estimeze DMO lombar și femural folosind imagini radiografice lombare anteroposterioare. Obiectivul principal a fost evaluarea performanței sistemului în estimarea valorilor DMO și în clasificarea pacienților cu osteopenie și osteoporoză.

Metodologie

Participanți și imagistică

• Studiul a inclus 1.454 de participanți dintr-o cohortă japoneză (ROAD), fără osteoartrită bilaterală de șold sau artefacte radiologice majore.
• Radiografiile au fost realizate în format DICOM, iar DMO a fost măsurat prin DXA la nivelul L2–L4 și col femural.

Rețea neuronală și antrenare

• Modelul IA este bazat pe rețele neuronale profunde și transformatoare, antrenate cu imagini și valori DMO de referință.
• Segmentarea L1–L4 a fost realizată pentru estimarea DMO lombar; în schimb, pentru DMO femural, întregul câmp vizual a fost folosit fără segmentare.
• Estimările au fost validate prin cross-validare în 5 pași.

Rezultate

Precizia estimărilor IA

• Erorile absolute medii (MAE) au fost de 0,076 g/cm² pentru DMO lombar și 0,071 g/cm² pentru cel femural.
• Coeficientul de corelație între valorile estimate și cele obținute prin DXA a fost de 0,89 pentru coloană și 0.74 pentru femur.
• Corelația a fost menținută indiferent de sex sau categorie de indice de masă corporală.

Performanța în clasificarea osteoporozei

• Valorile AUC au fost peste 0,80 pentru toate clasificările (normal, osteopenie, osteoporoză).
• PPV și sensibilitatea au fost mai scăzute pentru clasificarea osteoporozei, în special la bărbați, atribuibil dezechilibrului de date (puțini bărbați cu osteoporoză).

Erori de estimare și factori influențatori

• Erorile au crescut în prezența spondilozei lombare avansate, sugerând interferențe ale modificărilor degenerative asupra evaluării DMO lombar.
• Estimarea DMO femural a fost mai puțin afectată de aceste modificări, indicând o robustețe mai mare în fața artefactelor lombare.

Discuții

Modelul IA a demonstrat performanță comparabilă cu alte metode de screening pentru osteoporoză (DXA periferic, radiografie absorptiometrică, QUS), dar cu avantajul utilizării unei singure imagini radiologice lombare. Acesta poate constitui o soluție practică pentru identificarea precoce a pacienților cu risc înalt de fracturi, în special în regiuni cu acces limitat la DXA.

Deși estimarea femurală s-a realizat fără vizualizarea directă a femurului, corelația bună cu valorile reale susține potențialul IA de a extrage semnale indirecte relevante morfologic. Limitările includ dezechilibrul de date, lipsa informațiilor clinice suplimentare și necesitatea validării externe.

Concluzii

Sistemul IA poate estima precis DMO lombar și femural dintr-o radiografie lombară anteroposterioară și poate clasifica pacienții în funcție de densitatea osoasă. Aplicarea sa ar putea spori capacitatea de screening pentru osteoporoză în practica clinică de rutină, facilitând intervențiile timpurii și prevenția fracturilor printr-o abordare simplificată și automatizată.