当58岁的威尔·斯塔德霍尔姆（Will Studholme）因胃肠道症状于2023年前往牛津的一家NHS医院急诊科就诊时，他并未料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，斯塔德霍尔姆患上了严重的食物中毒，但在病情初期，他接受了腹部CT扫描。随后，这张扫描图像被输入了人工智能（AI）技术系统，该系统识别出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，斯塔德霍尔姆不仅得到了诊断，还接受了简单的治疗方案：每年一次的骨质疏松药物输液，预计可以改善他的骨密度。
“我觉得自己非常幸运，”斯塔德霍尔姆说，“如果没有这项AI技术，我怀疑这个病症不会被发现。”
放射科医生在查看患者的影像时，有时也会注意到一些意外的情况——例如未被发现的肿瘤、某个组织或器官的异常——这些情况超出了他们原本要检查的范围。但利用AI在后台系统性地梳理扫描结果，并自动识别可能正在酝酿的常见可预防慢性病的早期迹象（无论扫描最初是为了什么目的进行的），这一做法是全新的。
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，这种被称为“机会性筛查”或“机会性影像”的临床应用“才刚刚开始”。由于它利用了已经为了其他临床目的（如疑似癌症、胸腔感染、阑尾炎或腹痛等）而进行的影像检查，因此具有在疾病尚未出现症状、易于治疗或阻止其进展的早期阶段捕捉到未确诊疾病的潜力。“我们可以避免很多以前错过的预防机会，”皮克哈特教授说。定期体检或血液检测通常无法发现这些疾病，他补充道。
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）也参与开发相关算法，她指出，CT扫描中包含大量关于人体组织和器官的数据，但我们并没有充分利用。理论上，放射科医生可以通过测量来分析这些数据，但这会耗费大量时间。此外，AI技术还可以减少偏见的影响。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，因此医生不一定会在其他人群中寻找这种病症。而机会性影像则不会如此歧视性地筛选。
斯塔德霍尔姆的病例就是一个很好的例子。作为一名相对年轻的男性，且没有骨折史，他很可能不会被诊断出骨质疏松症，若非借助AI技术。除了骨质疏松症外，AI还在接受训练，以帮助机会性识别心脏病、脂肪肝、与年龄相关的肌肉流失和糖尿病等疾病。虽然目前的重点是腹部或胸部的CT扫描，但也有一些工作正在进行，旨在从胸部X光片和乳腺X光片等其他类型的影像中获取信息。
以色列公司Nanox.AI开发的AI技术被用于分析斯塔德霍尔姆的扫描图像。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辅助准确快速诊断特定条件。Nanox.AI提供了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工作。根据牛津医院的结果显示，该算法使被诊断出椎体骨折的患者数量增加了六倍，这些患者随后可以接受骨质疏松症检查并开始治疗。剑桥、加的夫、诺丁汉和南安普顿的医院也在进行进一步的试验。“我们希望积累证据，以便在整个NHS推广这项技术，”贾瓦德教授说。
然而，伦敦国王学院医疗工程学教授塞巴斯蒂安·乌塞尔林（Sebastien Ourselin）指出，尽管这项技术可以造福个人，但仍需考虑更广泛的影响。一个需要平衡的大问题是，该技术可能会增加患者数量。“这增加了医疗系统的负担，而不是减轻它，”他说。首先，被机会性筛查标记为潜在患病的人群将需要进一步的确诊测试，这需要资源。其次，如果AI不准确或过于敏感，可能导致不必要的测试。最后，还需要为那些最终被诊断出疾病的人提供服务。
贾瓦德教授承认，额外的负担是技术带来的挑战，但也有解决方案。在牛津，确诊为骨折的患者会被引导至主要由护士提供的骨折预防服务，以免过载医生。“AI确实迫使你改变流程，”他说。从长远来看，贾瓦德教授认为，早期发现并治疗骨质疏松症的患者将节省NHS的资金。“骨折是人们住院的主要原因之一，”他说。
斯塔德霍尔姆亲眼目睹了骨质疏松症带来的破坏：它导致他的母亲双侧髋部骨折。以前，骨质疏松症被认为是老年人的疾病，无可奈何，他说。“我很感激能够在骨头变成粉笔之前采取行动，”他说。
(全文结束)
