2023年，58岁的威尔·斯托霍尔姆（Will Studholme）因胃肠道症状前往牛津的一家NHS医院急诊科就诊，他并没有想到会被诊断出患有骨质疏松症。这种与年龄密切相关的疾病会导致骨骼变得脆弱，增加骨折的风险。
事实证明，斯托霍尔姆患上了严重的食物中毒，但在他病情调查初期，他接受了一次腹部CT扫描。这次扫描后来通过人工智能（AI）技术进行处理，发现了他脊柱中的一根塌陷的椎骨，这是骨质疏松症的常见早期迹象。进一步的测试确认了他的诊断，并且他接受了简单的治疗：每年注射一次骨质疏松药物，以改善骨密度。
“我感到非常幸运，”斯托霍尔姆说，“我认为如果没有AI技术，这个问题不会被发现。”
放射科医生在检查患者的影像时，有时会注意到一些意外发现——例如未检测到的肿瘤、某个组织或器官的问题——这些并非他们最初检查的目的。然而，在后台应用AI系统性地筛选扫描图像，并自动识别可能正在发展的常见可预防慢性病的早期迹象，无论扫描最初的原因是什么，这是一项新的技术。
威斯康星大学麦迪逊分校的放射学和医学物理学教授佩里·皮克哈特（Perry Pickhardt）指出，这种机会性筛查或机会性影像的临床应用“才刚刚开始”。它被认为是机会性的，因为它利用了已经为其他临床目的（如疑似癌症、胸腔感染、阑尾炎或腹痛）进行的影像检查。它有可能在症状出现之前捕捉到早期阶段的未诊断疾病，从而更容易治疗或阻止其进展。“我们可以避免许多以前错过的预防机会，”皮克哈特教授说。常规体检或血液检查往往无法发现这些疾病。
纽约大学朗格尼医学中心的放射学家米里亚姆·布雷德拉（Miriam Bredella）也强调，CT扫描中包含大量与身体组织和器官相关的信息，但这些信息我们通常并未充分利用。虽然理论上放射科医生可以通过手动测量来分析这些数据，但这将耗费大量时间。
此外，这项技术还有助于减少偏见。例如，骨质疏松症通常被认为主要影响瘦弱的老年白人女性，因此医生并不总是会在其他人群中寻找这种疾病。而机会性影像则不会如此歧视。斯托霍尔姆的案例就是一个很好的例子：作为相对年轻的男性，且没有骨折史，若不是借助AI，他很可能不会被诊断出骨质疏松症。
除了骨质疏松症，AI还被训练用于机会性识别心脏病、脂肪肝、与年龄相关的肌肉流失和糖尿病。尽管主要关注的是腹部或胸部的CT扫描，但也有一些工作旨在从其他类型的影像中获取信息，包括胸部X光片和乳房X线摄影。
这些算法是在数千个标记的先前扫描图像上进行训练的，专家们强调，如果该技术要在多样化的群体中部署，训练数据必须包括来自广泛种族群体的扫描图像。此外，还需要有人类的审查——如果AI发现可疑之处，它会被发送给放射科医生确认，然后再报告给医生。
用于分析斯托霍尔姆扫描图像的AI技术属于以色列公司Nanox.AI，该公司是少数几家致力于机会性筛查的公司之一，更多公司则专注于使用AI协助准确快速诊断扫描本身所针对的具体病症。Nanox.AI提供三种机会性筛查产品，分别用于从常规CT扫描中识别骨质疏松症、心脏病和脂肪肝。
牛津NHS医院自2018年开始试用Nanox.AI的骨质疏松症筛查产品，并于2020年正式推出。牛津大学骨质疏松症和罕见骨病教授卡西姆·贾瓦德（Kassim Javaid）领导了该算法的引入，他表示，牛津医院的结果显示，被识别出椎体骨折的患者数量比NHS平均水平高出六倍，这些患者可以接受骨质疏松症检查，并开始治疗以对抗该疾病。
目前，剑桥、加的夫、诺丁汉和南安普顿的医院也在进行进一步的算法试验。“我们希望积累证据，以便在全国范围内推广这一技术，”贾瓦德教授说。
然而，伦敦国王学院医疗工程教授塞巴斯蒂安·奥塞尔林（Sebastien Ourselin）指出，虽然这项技术可以造福个体，但也需要考虑更广泛的影响。一个需要平衡的大问题是，这项技术可能会增加额外的患者数量。“这增加了对医疗系统的压力，而不是减少，”他说。
首先，那些被机会性筛查标记为可能存在疾病的患者可能需要进一步的确诊测试，这需要资源。如果AI不准确或过于敏感，则可能导致大量不必要的测试。其次，对于最终确诊的患者，也需要有相应的服务支持。
贾瓦德教授承认，额外的负担是这项技术带来的挑战，但他认为有解决方案。在牛津，确诊有骨折的患者会被引导至一个主要由护士提供的骨折预防服务，以避免医生超负荷工作。“AI确实迫使你改变诊疗路径，”他说。从长远来看，他认为，及早发现并治疗早期骨质疏松症患者将为NHS节省资金。“骨折是人们住院的主要原因之一，”他说。
斯托霍尔姆亲眼目睹了骨质疏松症带来的破坏：它导致他的母亲双髋骨折。他过去认为这是一种老年人的疾病，无能为力。“我很荣幸能够在骨头变成粉笔之前采取措施，”他说。
(全文结束)
