文献速递骨肌腹部技术与安全CT

利用骨与肌肉的多任务深度学习CT成像提升椎体骨折预测

Enhancing vertebral fracture prediction using multitask deep learning computed tomography imaging of bone and muscle.
PubMed 文献 · Eur Radiol · 2025-12-01

本研究基于腹部CT开发并外部验证多任务学习模型预测椎体骨折风险,骨+肌肉图像模型在外部测试集中2年、3年、5年AUROC分别为0.79、0.71、0.71,优于仅骨模型,多任务模型c-index为0.68,优于FRAX的0.66。

要点

  • 骨+肌肉多任务模型预测椎体骨折优于仅骨模型和FRAX等临床模型。
  • 机会性腹部CT可自动评估骨折风险,无需额外检查或临床数据。
  • Grad-CAM显示模型决策聚焦椎体区域,支持其临床合理性。

核心结论

  • 基于CT的多任务学习模型整合骨与肌肉数据,对椎体骨折的预测性能优于仅用骨图像模型和传统临床模型(包括FRAX)。

研究设计与样本

  • 研究分两部分:横断面椎体骨折检测模型使用2553例50-80岁患者腹部CT开发,外部测试集为两家独立医院1506例患者。
  • 纵向椎体骨折预测模型在5年随访期内开发,骨折组572例,对照组1952例年龄、性别、BMI匹配个体。
  • 外部测试集759例来自两家独立医院,研究类型为回顾性队列研究,参考标准为影像学或CT确认的形态学骨折。

关键影像表现/征象

  • Grad-CAM可视化显示模型在开发和外部测试集中均持续聚焦于椎体区域,提示其依赖临床有意义的区域。

诊断标准与关键数值

  • 横断面椎体骨折检测:骨+肌肉模型在开发集AUROC为0.82±0.01,外部测试集为0.80±0.01。
  • 外部测试集检测敏感度:骨+肌肉模型0.60±0.01 vs 仅骨模型0.68±0.01(p<0.01),特异度0.84±0.01 vs 0.71±0.01(p<0.01)。
  • 多任务预测外部测试集2年、3年、5年AUROC:骨+肌肉模型0.79、0.71、0.71 vs 仅骨模型0.75、0.68、0.69(均p<0.01)。
  • 多任务模型c-index为0.68,FRAX为0.66(p<0.01)。

临床应用与阅片要点

  • 模型可嵌入PACS系统,利用常规腹部CT自动进行机会性椎体骨折风险评估,无需额外影像或临床输入。
  • 仅图像多任务模型在外部测试集c-index为0.68±0.01,高于表现最佳的临床模型C的0.61±0.10(p<0.01)。
  • 图像模型联合FRAX在外部测试集c-index为0.51±0.01,低于仅图像模型的0.68±0.01(p<0.01)。

局限性

  • 回顾性设计可能引入数据收集和患者选择偏倚,可能影响研究结果的普适性。
  • 模型开发的主要数据集来自单一机构,可能限制模型在不同人群和医疗环境中的适用性。
  • 研究聚焦特定时间范围内的骨折预测,未评估长期结局或模型在更长时间段内的性能。
  • 排除图像质量差或既往脊柱手术等患者群体,进一步缩窄了研究范围,可能影响模型对更广泛患者的适用性。
全文中译13 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol. 2025 Dec 1;36(5):4177–86. doi: 10.1007/s00330-025-12049-3

引言

随着全球人口老龄化,脆性骨折有所增加,对医疗系统、社区和患者家庭造成了重大影响[1–3]。因此,主动识别高风险个体对于有效的预防策略和更好的健康结局至关重要。尽管双能X线吸收测定法(DXA)是诊断骨质疏松症的金标准[4],但许多患者并未接受DXA扫描;令人担忧的是,在发生主要骨质疏松性骨折(MOFs)的患者中,60%未接受充分的治疗或干预以降低其风险[5]。

机会性CT扫描是识别骨折高风险患者的一种有前景的方法,尤其是随着全球人口老龄化其使用日益增加[6]。从这些扫描中提取骨折风险信息具有成本效益,因为它不需要额外资源且可回顾性进行。这种方法可以简化高风险患者的识别,并补充骨密度(BMD)等常规措施[7]。虽然已有数项研究利用机会性CT通过分析脊柱松质骨的衰减数据来评估BMD[8, 9],但这些扫描还具有评估周围结构(如肌肉)的额外优势。近期研究强调,除骨骼外,肌肉在骨折风险中也起着关键作用,凸显了将肌肉影像纳入评估的重要性[10]。另一方面,世界卫生组织开发的骨折风险评估工具(FRAX)在临床实践中被广泛用于基于临床危险因素(无论是否输入BMD)估算髋部骨折和MOFs的10年概率[11]。然而,FRAX可能无法完全捕捉基于影像的结构和组成特征,如骨小梁退变或肌肉质量,而这些特征日益被认为是骨折风险的重要决定因素。

基于这些优势,本研究旨在开发并外部测试一种基于CT的模型,使用多任务学习同时检测骨折和预测未来骨折风险。我们旨在通过在多任务学习框架中整合骨骼和肌肉数据,增强对接受机会性CT扫描的高风险患者的识别。这种方法利用任务之间的共享信息来提高模型性能,最终为骨折风险评估提供一种综合工具。

材料与方法

研究设计与参与者

本研究主要由两部分组成:一项侧重于骨折检测的横断面分析和一项旨在骨折预测的纵向分析。在横断面骨折检测分析中提取的特征与纵向数据集的额外信息相结合,用于骨折预测分析(图1)。每项任务均使用来自两家独立医院的数据进行外部验证。

首先,这项横断面分析基于一个回顾性纵向队列,该队列包含2010年至2019年间在首尔大学盆唐医院(SNUBH)接受腹部CT成像的32,435例患者。符合所有纳入标准的患者被纳入研究。纳入标准如下:(1)2010年至2019年间在SNUBH接受过腹部CT成像的患者;(2)年龄在50至80岁之间。若患者符合以下任一标准则被排除:(1)年龄<50岁或>80岁(n=2643);(2)随访期不足1年(n=8029);(3)基线时有脊柱手术史(n=1208);或(4)图像质量差(n=906)。其中,1144例存在基线压缩性骨折。采用倾向性评分方法,纳入年龄、性别和体重指数(BMI)匹配的无压缩性骨折对照组(n=1409)作为研究第一部分的开发集。此外,使用外部测试集验证研究结果,该测试集包含来自首尔大学博拉美医院(n=393)和首尔大学医院(n=1113)的1506例患者,均在2015年至2017年间采用相同方案(补充图1A)。

在研究第二部分中,进行了聚焦于骨折预测的纵向分析。在基线时未发生骨折的18,505例患者中,693例在随访期间发生椎体骨折(VFs),而17,812例未发生。在排除121例因图像质量差或CT方案不合适的患者后,骨折组剩余572例患者。对于对照组,从与骨折病例相同的时间范围内选取个体。在17,812例未发生骨折的患者中,选取了1952例年龄、性别和BMI匹配且随访期相同的个体。骨折事件通过审查病历确定,并努力排除创伤相关骨折。若患者在随访期间接受了多次CT扫描,则采用最早的CT扫描。此外,使用来自首尔大学博拉美医院(n=550)和首尔大学医院(n=209)的759例患者作为外部测试集,均在2015年至2017年间遵循相同方案(补充图1B)。

研究方案经首尔大学盆唐医院机构审查委员会批准(IRB编号B-2104-677-402)。由于研究的回顾性性质,免除知情同意要求。本研究按照《赫尔辛基宣言》和医学研究伦理原则中概述的伦理标准进行。本研究还遵循CLAIM(医学影像人工智能检查清单)指南,以确保人工智能方法的透明性和可重复性。

图1 (A)分类、(B)风险分层和(C)多任务学习模型用于椎体骨折预测的架构。CT,计算机断层扫描 查看原图 ↗

主要结局和临床因素

本研究的主要结局是预测5年内T12至L4发生椎体骨折(VF)事件的准确性。椎体骨折定义为经X线摄影或CT确认的形态学骨折。这些图像由SHK、SBP、SSP和JHK评估,他们在评估前对患者信息不知情。社会人口学因素、BMI、社会史和基础疾病通过查阅基线时的电子病历获得。形态学椎体骨折的定义和临床因素详见补充材料。BMD测量、CT及FRAX计算详见补充材料。

深度学习技术及图像预处理

我们提出了一种基于深度学习的椎体骨折风险预测框架,利用多任务学习方法联合优化椎体骨折检测和骨折风险预测(图1)。为便于理解,我们首先概述单任务学习(STL),即模型仅使用传统监督学习设置在骨折风险预测数据集上进行训练。相比之下,我们的多任务学习框架结合了两个任务的数据集,使模型能够提取跨任务的共享和可泛化特征。这些共享特征随后由风险头处理,以估计5年内椎体骨折的累积概率。为实现这一目标,我们为两个任务构建了带标签的3D CT数据集,并实施了预处理流程以促进高效的特征提取。预处理后的图像通过基于卷积神经网络(CNN)的特征提取器输出共享特征。根据任务不同,这些特征被路由至用于骨折检测的分类头或用于生存分析的风险预测头。通过同时优化两个任务,模型学会了更有效地预测骨折存在和骨折风险。我们采用ConvNeXT Tiny架构(2860万参数,在ImageNet-1K上预训练)作为特征提取器,鉴于其在医学影像任务中的最先进性能。为确保稳健评估,每个实验使用不同的随机种子重复10次,并报告平均性能。图像预处理和实现详见补充材料部分。

统计分析

组间变量比较采用Student's t检验。对于骨折检测,深度学习模型的性能使用受试者工作特征(ROC)曲线下面积以及准确率、灵敏度和特异度进行评估。为确定计算准确率、灵敏度和特异度的截断值,我们选择了使真阳性率与假阳性率之差最大化的阈值。对于椎体骨折风险预测任务,模型性能使用一致性指数(c-index)、2年受试者工作特征曲线下面积(AUROC)、3年AUROC和5年AUROC进行评估。分类指标的阈值使用Youden's J统计量确定。统计分析使用Python中的PyTorch、Scikit-learn和Lifeline库进行。统计分析详见补充材料。

结果

开发集和测试集的临床特征

对于分类任务,开发集包含2553名患者,而外部测试集包含1506名患者(补充表1)。由于患者在年龄、性别和BMI方面进行了匹配,因此有和无基线骨折的患者在年龄、性别和BMI方面相似。然而,外部测试集中的患者显著年轻于开发集中的患者(74.3 ± 9.2 vs. 77.4 ± 9.6,p < 0.01)。在两个数据集中,腰椎、股骨颈和全髋的BMD在骨折患者中均持续较低(均p < 0.01)。

对于预测任务,表1根据随访期间的新发骨折情况列出了临床特征。开发集中发生新发骨折的患者当前吸烟(28.3% vs. 21.6%,p = 0.01)和类固醇使用(17.1% vs. 6.1%,p < 0.01)的患病率更高。在外部测试集中,类固醇使用(32.5% vs. 21.0%,p = 0.03)和BMI(22.6 ± 3.0 vs. 23.8 ± 3.6 kg/m²,p = 0.01)存在显著差异。此外,仅在开发集中,发生新发骨折的患者的主要骨质疏松性骨折(MOF)和髋部骨折FRAX评分显著高于未发生骨折的患者(开发集,FRAX MOF:7.0 ± 4.4 vs. 6.0 ± 3.8,p < 0.01;FRAX髋部:3.1 ± 3.0 vs. 2.6 ± 2.4,p = 0.01)。

表1 预测任务中根据新发骨折情况列出的临床特征 查看原表 ↗

仅骨骼模型与骨骼+肌肉模型在基线骨折检测中的性能比较

基于图像的模型在检测基线骨折方面的性能见补充表2。在开发集中,骨骼+肌肉模型显示出优于仅骨骼模型的AUROC(0.82 ± 0.01 vs. 0.81 ± 0.01,p = 0.01)。在外部测试集中观察到类似趋势,骨骼+肌肉模型表现出更高的AUROC(0.80 ± 0.01 vs. 0.76 ± 0.01,p < 0.01)。此外,在开发集中,骨骼+肌肉模型的特异性高于仅骨骼模型(0.83 ± 0.01 vs. 0.66 ± 0.01,p < 0.01)。在测试集中,骨骼+肌肉模型在敏感性(0.60 ± 0.01 vs. 0.68 ± 0.01,p < 0.01)和特异性(0.84 ± 0.01 vs. 0.71 ± 0.01,p < 0.01)两方面均优于仅骨骼模型。

单任务与多任务模型在椎体骨折预测中的性能比较

接下来,我们比较了基于图像的模型在开发集和外部测试集中预测椎体骨折(VFs)的性能,重点关注单任务和多任务学习方法(表2和图2)。在单任务学习(STL)模型中,仅骨骼模型和骨骼+肌肉模型在开发集(0.69 vs. 0.70,p = 0.40)和外部测试集(0.65 vs. 0.65,p = 0.40)的c-index方面表现相似。此外,在外部测试集中,骨骼+肌肉模型在2年AUROC方面优于仅骨骼模型(0.72 vs. 0.76,p < 0.01)。

在多任务学习模型中,骨骼+肌肉模型在开发集的c-index方面表现出更优性能(0.73 vs. 0.72,p < 0.01)。在外部测试集中,骨骼+肌肉模型在2年、3年和5年AUROC方面表现出显著更好的性能(2年AUROC:0.79 vs. 0.75,p < 0.01;3年AUROC:0.71 vs. 0.68,p < 0.01;5年AUROC:0.71 vs. 0.69,p < 0.01)。

图2 比较单任务和多任务机器学习模型预测椎体骨折的受试者工作特征曲线。MTL,多任务学习;STL,单任务学习 查看原图 ↗
表2 图像模型预测椎体骨折的性能比较 查看原表 ↗

仅影像模型与临床多任务模型预测椎体骨折的性能比较

仅影像多任务模型在开发集和外部测试集中均显著优于临床模型(包括FRAX及各种临床参数)(补充表3和图3)。在开发集中,仅影像多任务模型的c指数为0.73 ± 0.01,显著高于任何临床模型(模型A:0.62 ± 0.01,模型B:0.61 ± 0.01,模型C:0.58 ± 0.01,均p < 0.01)。在外部测试集中,仅影像模型的c指数为0.68 ± 0.01,而表现最佳的临床模型C为0.61 ± 0.10(p < 0.01)。

图3 比较多任务机器学习与临床模型预测椎体骨折的受试者工作特征曲线。MTL,多任务学习;STL,单任务学习 查看原图 ↗

影像与临床模型联合的多任务模型性能

将影像模型与临床模型联合并未一致地优于仅影像模型(补充表4)。在开发集中,影像模型与临床模型C联合将c指数提高至0.75 ± 0.01(p < 0.01),而仅影像模型为0.73 ± 0.01。然而,在某些情况下,联合模型表现更差,尤其是在外部测试集中,影像+FRAX模型联合的c指数为0.51 ± 0.01,而仅影像模型为0.68 ± 0.01(p < 0.01)。

使用Grad-CAM的模型可解释性

为进一步探究模型可解释性,我们应用Grad-CAM可视化基于CNN的椎体骨折风险预测模型的特征表征。该模型在开发集和外部测试集中均持续聚焦于椎体区域,提示其以一致且可靠的方式依赖于具有临床意义的区域(补充图2)。这些发现支持该模型决策过程的临床合理性。

讨论

本研究证明了基于CT图像的模型在预测椎体骨折方面优于传统临床模型。值得注意的是,在比较仅骨图像模型与骨加肌肉图像模型时,多任务学习提高了预测准确性。具体而言,采用多任务学习的骨与肌肉图像模型在AUROC、敏感性和特异性方面均优于仅骨图像模型。这一发现提示,通过多任务整合肌肉信息在准确评估骨折风险中发挥关键作用。

在本研究中,与仅使用椎骨图像的模型相比,将肌肉质量信息纳入基于CT图像的模型显著提高了椎体骨折(VF)风险预测的精度。骨与肌肉联合图像模型的优越性能与越来越多的证据相一致,这些证据表明骨量减少与肌少症并存(即骨肌减少症)是骨质疏松性骨折的关键危险因素[12, 13]。椎旁肌在维持椎体稳定性方面起着至关重要的作用,已被证明通过横截面积、体积和脂肪浸润等指标与椎体骨折相关[14, 15]。既往研究表明,椎体骨折患者这些肌肉的横截面积往往较小、脂肪浸润较多,支持了肌肉质量和骨密度对评估骨折风险至关重要的观点[15, 16]。肌肉脂肪变性或肌肉脂肪浸润的存在也与骨折风险增加相关[17–19]。因此,我们的研究结果表明,在骨折预测模型中纳入椎旁肌数据可通过提供对骨骼和肌肉健康更全面的评估来提高准确性。

此外,多任务学习——同时训练椎体骨折风险预测和骨折检测——显著提高了两项任务的性能。既往研究表明,在共享特征的同时一起执行学习相关任务可提高性能[20, 21],因为它们利用了来自多个任务的有用领域信息并改善了模型的泛化能力[20, 22]。与这些发现一致,我们发现尽管多任务学习增加了计算负担和复杂性,但从骨折检测任务中获得的知识增强了模型预测椎体骨折风险的能力。

纳入椎骨和肌肉数据的基于图像的模型优于传统临床模型,证实了既往关于CT衍生的骨与肌肉信息在骨折风险评估中预测能力的研究。与主要关注骨骼指标的早期研究[23, 24]不同,本研究强调了整合肌肉信息以增强模型性能的重要性,反映了骨强度受骨密度和周围肌肉结构共同影响的复杂本质。这种对CT图像分析的整体性方法为理解骨与肌肉相关代谢疾病提供了更丰富的数据,并提供了超越传统骨密度评估的骨折风险洞察。本研究将FRAX与当前模型进行了比较,因为它是目前最广泛接受的骨折风险评估工具[25]。与使用临床信息和骨密度数据的FRAX不同,我们的模型依赖于从腹部CT扫描中获得的影像特征。我们的模型表现出与FRAX相当或更优的性能,这一事实表明CT图像提供了更详细的骨折风险信息,且基于CT图像的模型可以补充传统方法,尤其是在已经进行机会性成像的环境中。

我们发现,在仅基于图像的模型中加入临床变量并未显著提高性能,这可能是因为数据集在年龄、性别和BMI方面进行了匹配;然而,一些临床信息(如年龄和性别)已经部分体现在图像中[26, 27]。例如,椎体和椎旁肌肉大小的性别差异,以及体重指数与这些结构之间的正相关关系,均反映在影像中[26]。此外,骨骼表现出与年龄和性别相关的特征,如钙化和大小变化,这些特征会影响模型预测[28]。椎体终板钙化随年龄增长而增加,提示这些图像中固有地存在与年龄相关的信息[29]。与较低肌肉量相关的生活方式因素(如吸烟和饮酒)也可能在肌肉影像中被间接捕捉,这解释了为何纳入这些临床变量并未显著提高准确性[30]。在临床上,这意味着未来的机会性CT扫描可以在无需额外临床数据的情况下自动评估骨质疏松性骨折风险,从而简化预测流程。尽管模型在外部队列中表现出性能下降,但差异无统计学意义,提示其具有一定程度的泛化能力。

本研究具有多项优势。首先,它将肌肉数据纳入预测模型,推进了传统的骨密度(BMD)分析,显著提高了骨折风险预测的准确性。其次,多任务学习技术的应用进一步增强了模型性能,能够更有效地利用可用数据,并改善骨折检测和预测结果。第三,研究使用来自不同医院的独立数据集进行外部测试,增强了研究结果的泛化性和稳健性。此外,使用包含大量患者的大型数据集为模型性能提供了坚实的统计学基础,并确保了结果的可靠性。最后,基于图像的模型与传统临床模型的直接比较提供了明确证据,表明先进成像技术为临床实践带来的附加价值,尤其是在增强骨折风险评估方面。

尽管具有优势,本研究仍存在若干必须承认的局限性。回顾性设计可能引入了与数据收集和患者选择相关的偏倚,可能影响研究结果的泛化性。此外,用于模型开发的主要数据集来源于单一机构,这可能限制模型在不同人群和医疗环境中的适用性。另一个局限性是研究聚焦于特定时间范围内的骨折预测,而未评估长期结局或模型在更长时间段内的性能。这一时间局限性限制了对模型在随访期之外预测骨折有效性的理解。此外,排除某些患者群体(如图像质量差或有脊柱手术史者)进一步缩小了研究范围,并可能影响模型对更广泛患者群体的适用性。

总之,将肌肉特征纳入预测模型可显著提高椎体骨折(VF)风险预测的准确性,而多任务学习的应用进一步提升了性能。通过同时训练模型检测骨折并预测未来骨折风险,多任务学习利用了任务之间的共享信息,从而获得更优的结果。从转化角度来看,我们的模型可通过将风险预测流程嵌入图像归档与通信系统(PACS)来整合到现有的放射学工作流程中。这将能够直接从常规腹部CT扫描中进行机会性VF风险评估,而无需额外的成像或临床输入,从而促进高危患者的早期识别和干预。

补充信息

补充信息

引用

  1. Kong SH, Choi S, Cho W, et al. Enhancing vertebral fracture prediction using multitask deep learning computed tomography imaging of bone and muscle. Eur Radiol. 2025. PMID: 41326828. doi:10.1007/s00330-025-12049-3
  2. 全文:PMC13086793(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13086793/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。