英国牛津大学骨质疏松症和成人罕见骨病教授Kassim Javaid教授在一项关于英国ADOPT（AI辅助骨质疏松症检测与治疗）研究的实用性和临床基础上进行了介绍。ADOPT研究旨在利用人工智能（AI）审查医院计算机断层扫描（CT）图像，识别那些不是危重或生命末期但可以从及时骨健康评估中受益的患者。
Javaid教授在演讲中详细介绍了AI算法在临床实践中的应用，如何“智能地”使用这些算法，以及他和他的团队为何将这项技术纳入他们的骨质疏松症路径。他首先通过展示实证数据和一个患者案例研究，指出尽管患者因多种原因接受CT扫描，但在包含脊柱的图像中，高达50%的中度至重度椎体骨折未被发现。“这导致了大量的AI模型出现，这些模型可以自动化检测骨骨折，”他说，并补充道，医疗系统“没有足够的人力”来以同样的方式进行检测。
在讨论可用技术时，Javaid教授详细介绍了“集成AI”——即训练多个AI模型以实现最佳骨折预测和检测。“为什么只用一个模型，而不用四个？”他问道。Javaid教授解释说，不同模型之间的共识提供了“更高的性能率”，并减少了对单一系统的依赖。“CT包含的信息不仅仅是骨骼的形状，”Javaid教授继续说道。他描述了AI可以生成和分析的“有价值”的数据，包括肌肉、年龄和其他人口统计信息。与会者了解到，即使不分析放射学图像或骨参数，该技术也可以通过使用如ICD（国际疾病分类）10代码等数据集来改进骨折预测。他展示了证据，表明与传统的骨质疏松症检测方法DXA（双能X射线吸收测定法）扫描相比，AI“相当出色”。Javaid教授还提到文献中存在大量的AI模型。他建议同事们等待那些获得监管批准的系统，因为大多数将在审批过程中被淘汰。
ADOPT的实际见解
Javaid教授接着分享了他在ADOPT项目中成功实施“非常简单的AI路径使用CT数据”的五家医院所获得的一些实际知识。“我们分四个工作包进行，”他解释道。“AI在医院环境中真的有效吗？部署的监管途径是什么？我们实际上是否改善了管理的患者数量？最后，我们是否预防了骨折？”
Javaid教授逐步描述了研究的方法、审批和实施阶段，以及实际问题、采用建议、诉讼考虑和“经验教训”。他强调了识别“环节中的人类”的重要性，以及“巨大的IT需求”。他描述了在正式上线前进行影子测试的过程，“看看会发生什么”在临床环境中，并确定需要修复的区域。
“AI将在未来几年彻底改变医疗保健，”Javaid教授在会议上表示。“好消息是，在2000名患者之后，我们只收到了积极的反馈。大多数患者都对AI现在帮助他们实现骨健康感到非常满意。”总结时，他强调了“人工审核”的必要性，多学科合作的重要性，特别是与全科医生的合作，以及在AI识别出高风险患者后的患者随访。
“我建议你花90%的时间思考患者，10%的时间思考AI，因为AI会起作用。你会有很多患者，你的AI实施小组必须关注一旦患者被确认后会发生什么。”
(全文结束)
