当58岁的威尔·斯塔德霍姆（Will Studholme）于2023年因胃肠道症状前往牛津的一家NHS医院急诊时，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，斯塔德霍姆先生患上了严重的食物中毒，但在他的病情初期，他接受了腹部CT扫描。随后，该扫描图像通过人工智能（AI）技术进行了分析，发现了他脊柱中的一处塌陷椎体，这是骨质疏松症常见的早期指标。进一步的测试确认了这一诊断，斯塔德霍姆先生不仅得到了诊断，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，“我认为如果没有这项AI技术，这个问题是不会被发现的。”
尽管放射科医生在查看患者的影像时可能会注意到一些意外的情况，例如未检测到的肿瘤或特定组织或器官的问题，但这些都不是他们最初检查的目的。然而，在后台应用AI系统性地梳理扫描图像，自动识别可能正在发展的常见可预防慢性病的早期迹象，无论扫描最初是为了什么目的而进行的，这都是一个全新的领域。
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，AI用于机会性筛查或机会性成像的临床应用“才刚刚开始”。因为这种筛查利用的是已经为其他临床目的进行过的影像检查，例如疑似癌症、胸腔感染、阑尾炎或腹痛等。它可以在疾病尚未表现出症状、更易于治疗或防止其进展的早期阶段捕捉到未诊断的疾病。“我们可以避免许多之前错失的预防机会，”皮克哈特教授表示。
他还补充道，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（Miriam Bredella）也强调，CT扫描中包含了大量关于我们身体组织和器官的数据，但我们并未充分利用这些信息。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，因此医生有时不会在其他人群中寻找这种疾病。而机会性成像则不会这样歧视。斯塔德霍姆先生就是一个很好的例子，他相对年轻，是男性，且没有骨折史，如果没有AI，他很可能不会被诊断出骨质疏松症。
除了骨质疏松症外，AI还在训练中帮助识别心脏病、脂肪肝、与年龄相关的肌肉流失和糖尿病等疾病。虽然主要关注的是腹部或胸部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，包括胸部X光片和乳房X线摄影。
以色列公司Nanox.AI开发的AI技术用于分析斯塔德霍姆先生的扫描图像，该公司是少数几家专注于机会性筛查的公司之一，更多公司则致力于使用AI辅助快速准确地诊断扫描本身的实际目的。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。来自牛津医院的结果显示，被识别出有椎体骨折的患者数量增加了六倍以上——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、南安普顿和布拉德福德的医院正在进行进一步的算法试验。“我们希望积累足够的证据，以便在整个NHS范围内推广使用，”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，虽然这项技术可以造福个人，但也需要考虑更广泛的影响。一个需要平衡的大问题是，使用该技术会增加额外的患者数量。“这增加了对医疗系统的负担，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，可能会导致不必要的测试增多。其次，对于最终确诊的患者，也需要提供相应的服务。
贾瓦德教授承认，额外的负担是这项技术带来的挑战，但也有解决方案。在牛津，确诊为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，以避免过载医生的工作量。“AI确实迫使你改变路径，”他说。
从长远来看，贾瓦德教授相信，识别并治疗更多处于早期阶段的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。
斯塔德霍姆先生亲眼目睹了骨质疏松症的破坏性：它导致了他的母亲双侧髋部骨折。以前，骨质疏松症被认为是老年人特有的疾病，而且无可救药。“我感到很荣幸能够在骨头变成粉笔之前采取措施，”他说。
(全文结束)
