Jako przyszły ortopeda, temat osteoporozy jest mi szczególnie bliski. To cichy złodziej kości, który przez lata nie daje objawów, a potem uderza w postaci bolesnych i groźnych złamań. Złotym standardem w diagnostyce jest badanie densytometryczne (DXA), ale dostępność aparatów bywa ograniczona.
A co, jeśli powiedziałbym Wam, że rozwiązanie tego problemu może leżeć w czymś, co robimy w ortopedii na potęgę? W zwykłym zdjęciu RTG.
Niedawno w Journal of Orthopaedic Research ukazała się praca, która sprawiła, że moje neurony zafascynowane AI zapłonęły. Japońscy naukowcy stworzyli system, który jest po prostu genialny w swojej prostocie i potencjale.
O co w tym wszystkim chodzi?
Wyobraźmy sobie taką sytuację: pacjent przychodzi z bólem pleców. Robisz mu standardowe zdjęcie RTG kręgosłupa lędźwiowego w projekcji AP. Pacjent dostaje diagnozę dotyczącą kręgosłupa i idzie do domu. Koniec historii.
A teraz wersja z AI: to samo zdjęcie RTG wrzucasz do specjalnego programu. A ten, w kilka sekund, robi dwie rzeczy:
- Szacuje gęstość mineralną kości (BMD) dla kręgosłupa lędźwiowego, czyli dla obszaru, który jest na zdjęciu.
- Szacuje BMD dla… szyjki kości udowej, która w ogóle nie znajduje się na tym zdjęciu!
I tu zaczyna się prawdziwa magia. Jak AI to robi? Analizuje cały obraz – strukturę kręgów, miednicy, a nawet żeber widocznych na zdjęciu – i na podstawie tych danych, których ludzkie oko by nie połączyło, z zadziwiającą trafnością przewiduje gęstość kości w zupełnie innym miejscu. To tzw. diagnostyka oportunistyczna w najlepszym wydaniu!
No dobrze, ale czy to działa? Spójrzmy na liczby
Naukowcy przeanalizowali 1454 zdjęcia RTG, porównując wyniki AI z wynikami złotego standardu, czyli DXA.
- Dla kręgosłupa lędźwiowego: Wyniki są świetne. Korelacja między szacunkiem AI a rzeczywistym wynikiem DXA wyniosła 0,8977. Czułość w wykrywaniu osteopenii (czyli stanu przed-osteoporotycznego) sięgnęła 86,4%. To naprawdę solidny wynik.
- Dla kości udowej: Tutaj, co logiczne, jest trochę słabiej, ale wciąż imponująco. Korelacja na poziomie 0,74 i czułość dla osteopenii wynosząca 80,4%. Co ciekawe, autorzy zaznaczają, że skuteczność ta jest porównywalna z innymi, uznawanymi metodami przesiewowymi, jak np. densytometria z kości promieniowej czy badanie ultradźwiękowe (QUS).
Chwila krytycznego myślenia (bo na tym polega medycyna)
Zanim zaczniemy instalować to AI na każdym SORze, pamiętajmy o ograniczeniach tego badania:
- Populacja: Badanie przeprowadzono na kohorcie japońskiej. Czy model będzie równie skuteczny u nas, w Polsce? To wymaga sprawdzenia.
- Nierównowaga danych: W badanej grupie było znacznie mniej mężczyzn z osteoporozą niż kobiet. To sprawiło, że model był mniej skuteczny w wykrywaniu choroby u panów.
- Zmiany zwyrodnieniowe: Zaawansowana choroba zwyrodnieniowa kręgosłupa (osteofity, sklerotyzacja) pogarszała dokładność oceny dla kręgosłupa, ale – co ciekawe – nie wpływała na szacunki dla kości udowej.
- Potrzeba walidacji zewnętrznej: System był testowany na danych, na których był uczony. Prawdziwym testem będzie sprawdzenie go na "brudnych", codziennych danych z zupełnie innych szpitali i na innych aparatach RTG.
Jaki z tego wniosek dla nas, medyków?
To narzędzie jest fantastycznym przykładem, jak AI może wspomóc, a nie zastąpić lekarza. Daje nam ono możliwość przesiewowego i oportunistycznego badania w kierunku osteoporozy. Wykorzystujemy zdjęcie RTG, które i tak zostało wykonane z innego powodu, by bez dodatkowych kosztów i bez dodatkowej dawki promieniowania dla pacjenta, zyskać cenną informację o ryzyku złamań.
To może być rewolucja w zapobieganiu. Wyobraźcie sobie, ilu pacjentów moglibyśmy zdiagnozować na wczesnym etapie i wdrożyć leczenie, zanim dojdzie do pierwszego złamania. To jest właśnie przyszłość medycyny, którą chcę współtworzyć – inteligentna, proaktywna i wykorzystująca technologię do poprawy życia naszych pacjentów.
Źródło:
Moro, T., Yoshimura, N., Saito, T., Oka, H., Muraki, S., Iidaka, T., Tanaka, T., Ono, K., Ishikura, H., Wada, N., Watanabe, K., Kyomoto, M., & Tanaka, S. (2025). Development of Artificial Intelligence-Assisted Lumbar and Femoral BMD Estimation System Using Anteroposterior Lumbar X-Ray Images.
Journal of Orthopaedic Research. https://doi.org/10.1002/jor.70000
A co Ty o tym sądzisz? Czy takie narzędzia AI zrewolucjonizują diagnostykę w ortopedii? Widzisz w tym szansę na bycie "lekarzem-cyborgiem" z supermocami diagnostycznymi, czy raczej podchodzisz do tego z rezerwą? Czekam na Twoje przemyślenia w komentarzach!
