“机会性”筛查通过AI可以发现医生未察觉的疾病[Getty Images]
这是关于AI如何改变医学研究和治疗的六部分系列报道中的第六篇。
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，他并未预料到会被诊断出患有骨质疏松症。
这种与年龄密切相关疾病会导致骨骼变弱和脆弱，增加骨折风险。
最终，斯塔德霍姆先生被确诊为严重食物中毒，但在疾病初期，他接受了腹部CT扫描。该扫描随后通过人工智能（AI）技术进行处理，发现了斯塔德霍姆脊柱中的一处塌陷椎体，这是骨质疏松症常见的早期指标。
进一步检查后，斯塔德霍姆不仅得到了诊断，还获得了简单的治疗方案：每年注射一次骨质疏松药物，预计能改善他的骨密度。
“我感到非常幸运，”斯塔德霍姆说，“如果没有AI技术，我不认为这会被发现。”
当威尔·斯塔德霍姆因食物中毒接受治疗时，AI发现了骨质疏松症的迹象[威尔·斯塔德霍姆]
放射科医生在查看患者的影像时，有时会注意到一些意外情况——例如未检测到的肿瘤、特定组织或器官的问题——超出了最初的检查范围。
但利用AI在后台系统地梳理扫描图像，并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，无论扫描最初的目的为何，都是一个全新的领域。
威斯康星大学麦迪逊分校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影像的临床应用“才刚刚开始”。
它可以在疾病早期阶段捕捉到以前未被诊断的疾病，在症状出现之前，这时更容易治疗或阻止病情进展。“我们可以避免许多以前错过的预防措施，”皮克哈特教授说。
他补充道，常规体检或血液测试通常无法发现这些疾病。
纽约大学朗格健康中心的放射学家米里亚姆·布雷德拉指出，CT扫描包含大量与人体组织和器官相关的信息，而我们并没有充分利用这些数据。
虽然理论上放射科医生可以通过测量来分析这些数据，但这将耗费大量时间。
她还提到，这项技术有助于减少偏见。
例如，骨质疏松症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考虑到其他人群。
相比之下，机会性影像不会如此歧视。
斯塔德霍姆的病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，如果没有AI，他不太可能被诊断出骨质疏松症。
除了骨质疏松症，AI还在接受训练，以帮助识别心脏病、脂肪肝、与年龄相关的肌肉损失和糖尿病。
虽然主要焦点是腹部或胸部的CT扫描，但研究人员也在尝试从其他类型的影像中获取信息，包括胸片和乳腺X光片。
算法是在数千个标记好的先前扫描图像上进行训练的，专家们强调，如果要在多样化的群体中部署这项技术，训练数据必须包括来自广泛种族群体的扫描图像。
并且应该有人类审查的环节——如果AI发现了可疑之处，结果将由放射科医生确认，然后再报告给医生。
用于分析斯塔德霍姆扫描的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开发的企业之一，更多企业则专注于使用AI辅助准确快速诊断特定病症。
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年正式投入使用。
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——这些患者可以进一步检查骨质疏松症，并开始接受治疗。
剑桥、加的夫、诺丁汉和南安普顿的医院也正在进行该算法的进一步试验。“我们希望收集足够的证据，以便在全国范围内推广使用，”贾瓦德教授说。
伦敦国王学院医疗工程学教授塞巴斯蒂安·乌塞尔指出，虽然这项技术可以造福个人，但也需要考虑更广泛的后果。
他指出，一个需要平衡的大问题是，这项技术会增加患者数量。“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可能患病的人群很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，可能会导致大量不必要的测试。
然后，需要为那些最终被诊断出疾病的人群提供服务。
贾瓦德教授承认，额外的负荷是技术带来的挑战，但也有解决方案。
在牛津，确诊有骨折的患者会被转介至主要由护士提供的骨折预防服务，以避免过载医生。“AI确实迫使你改变工作流程，”他说。
从长远来看，贾瓦德教授相信，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。
斯塔德霍姆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，无法治愈。“我很荣幸能够在骨头变得像粉笔一样脆弱之前采取行动，”他说。
(全文结束)
