“机会性”筛查通过人工智能（AI）可以发现医生未关注的疾病。2023年，58岁的威尔·斯塔德霍姆因胃肠道症状前往牛津的一家NHS医院急诊科就诊，最终却意外诊断出患有骨质疏松症。这种疾病通常与年龄有关，会导致骨骼变得脆弱，增加骨折的风险。
起初，斯塔德霍姆先生被确诊为严重食物中毒，但在病情调查初期，他接受了腹部CT扫描。随后，该扫描图像通过人工智能技术进行分析，发现了他脊柱中有一处塌陷的椎体，这是骨质疏松症常见的早期迹象。进一步检查后，斯塔德霍姆不仅得到了诊断，还接受了简单的治疗：每年一次的骨质疏松药物输液，预计可以改善他的骨密度。
“我感到非常幸运，”斯塔德霍姆先生说，“如果没有这项AI技术，我不认为这个问题会被发现。”
尽管放射科医生在查看患者影像时可能会注意到一些偶然的异常情况——例如未检测到的肿瘤或特定组织或器官的问题——但将AI应用于系统性地筛选扫描图像，自动识别可能正在发展的常见可预防慢性疾病的早期迹象，这还是一个新的尝试。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·皮克哈特指出，这种被称为“机会性”筛查或“机会性”成像的临床应用“才刚刚开始”。
由于利用的是已经为其他临床目的进行的成像，如疑似癌症、胸部感染、阑尾炎或腹痛，因此被认为是“机会性”的。这种方法可以在症状出现之前捕捉到以前未诊断的疾病，从而更容易治疗或防止其恶化。“我们可以避免许多过去错过的预防措施，”皮克哈特教授表示。定期体检或血液测试往往无法发现这些疾病。
纽约大学朗格尼医学中心的放射科医生米里亚姆·布雷德拉指出，CT扫描中包含大量关于身体组织和器官的数据，而这些数据我们通常并未充分利用。虽然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，AI技术还可以减少偏见。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，因此医生可能不会考虑其他人群。而“机会性”成像则不会如此歧视。
斯塔德霍姆先生就是一个很好的例子。由于相对年轻、男性且没有骨折史，如果没有AI的帮助，他很可能不会被诊断出骨质疏松症。除了骨质疏松症外，AI还在训练中用于识别心脏病、脂肪肝、与年龄相关的肌肉损失和糖尿病等疾病。
目前，主要关注点是腹部或胸部的CT扫描，但也有一些工作正在进行，试图从其他类型的成像中获取信息，如胸部X光片和乳房X线摄影。算法通过数千个标记的先前扫描图像进行训练，专家强调，如果该技术要应用于各种族的人群，训练数据必须包括来自广泛种族群体的扫描图像。此外，AI发现可疑情况后，应由放射科医生进行人工审核，然后再报告给医生。
用于分析斯塔德霍姆先生扫描图像的AI技术属于以色列公司Nanox.AI，该公司是少数几家从事机会性筛查AI开发的公司之一，更多公司则专注于使用AI协助准确快速诊断特定条件。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·贾瓦德表示，牛津医院的结果显示，被诊断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，以便在整个NHS范围内使用该技术，”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·乌塞尔林指出，虽然这项技术可以造福个体，但也需要考虑更广泛的影响。一个大问题是需要平衡由此产生的额外患者数量。“这增加了医疗系统的负担，而不是减少它，”他说。首先，被机会性筛查标记为可能患有某种疾病的人需要进一步确认性检查，这需要资源。如果AI不准确或过于敏感，可能会导致大量不必要的检查。其次，需要为那些最终确诊的人提供服务。
贾瓦德教授承认这项技术会带来额外的负担，但也有解决方案。在牛津，确诊有骨折的患者会被引导至主要由护士提供的骨折预防服务，以免医生超负荷工作。“AI确实迫使我们改变路径，”他说。从长远来看，贾瓦德相信，早期发现并接受预防治疗的骨质疏松症患者人数增加将为NHS节省资金。“骨折是人们住院的主要原因之一，”他说。
斯塔德霍姆先生亲眼目睹了骨质疏松症带来的破坏：它导致了他的母亲双髋骨折。他认为这是一种老年人的疾病，而且无可奈何。“我很荣幸能够在骨头变成粉笔之前采取行动，”他说。
(全文结束)
