北京
参考消息网10月18日报道 据阿根廷布宜诺斯艾利斯经济新闻网9月8日报道，一种基于瑞典全国健康数据开发的人工智能（AI）工具能预测哪些人容易发生髋部骨折，而其发现的高风险人数是当前临床实践中使用的筛查策略所识别人数的7倍。
识别高危群体能力提升
据报道，该模型名为FRACTURE-ML，相关报告由瑞典哥德堡大学研究人员发表在《科学公共图书馆·医学》杂志上。其理念并不复杂：利用现有的医疗和人口数据，通过AI预测髋部骨折这一通常会对老年人的自主生活能力和健康状况产生深远影响的病变。
该研究分析了居住在瑞典的3542647名50岁及以上居民的数据，并对他们进行了长达十年的随访。在此期间，共有142327名参与者发生了髋部骨折。基于这些数据，研究人员评估了是否有可能在无需面诊的情况下识别出高风险人群。
报道说，这项研究着眼于当前预测模型的一个已知局限性：许多模型需要面对面收集数据，例如体重指数或生活习惯信息，这给大规模筛查带来了困难。新模型旨在通过完全基于已记录数据的方法克服这一障碍。
据报道，为了构建该模型，研究人员定义了139980个与诊断、药物、治疗、人口统计因素及社会经济数据相关的变量。随后，他们测试了多种方法，包括传统统计模型和机器学习系统。FRACTURE-ML采用了深度学习技术，在区分哪些人会发生髋部骨折方面表现出了很强的能力。
研究表明，该模型的一年期曲线下面积（AUC）为0.89（AUC值为1代表预测完全准确），两年期为0.88。即使是仅包含35个预测变量的简化版本，其表现也保持在相近水平：两年期AUC为0.87，五年期为0.85。研究人员认为，这意味着如果未来能在实验范围之外证实其有效性，该模型可能会成为一种更简单、更实用的工具。
报道指出，该研究的关键发现基于与瑞典国内推荐的二级预防方法的比较，后者依赖通过骨折联络服务（FLS）获取的近期骨折史。相比之下，FRACTURE-ML识别出的两年内髋部骨折高风险人数多出近6倍。
差异体现在灵敏度上。该模型的灵敏度达到0.84，而现有方法仅为0.12。从临床角度来看，这种新系统显著提升了识别高危人群的能力，但代价是误报变多了。
早期预警降低死亡风险
报道说，预测髋部骨折的重要性显而易见。阿根廷南方大学附属医院髋膝关节重建外科负责人迭戈·芒热勒在一篇文章中，将髋部骨折称为许多老年人生活中的“转折点”。
他解释说，如果患者已存在活动能力受限、功能依赖或失代偿性慢性病等情况，髋部骨折会加重其健康状况的恶化。在这种情况下，患者的预期寿命可能会缩短。相反，如果患者仍能保持自主生活能力且无严重病症，及时的手术和协调一致的治疗方案有望使其实现全面康复。
这名专家还强调，时间至关重要。手术的最佳时间窗口是髋部骨折发生后的48至72小时。超过这个时间，预后不仅取决于手术水平，还取决于与临床医生、康复治疗师、营养师等专业人士的协作，以及家庭和社会支持。
报道说，生存数据也印证了髋部骨折的影响。《骨与矿物研究杂志+》发表的一项研究对98474名66岁及以上、发生过骨质疏松相关骨折的加拿大安大略省居民进行了研究。该研究表明，髋部骨折与更高的死亡风险相关。发生髋部骨折一年后，男性和女性的存活率分别为67.7%和78.5%，而未发生髋部骨折的男性和女性存活率分别为92.2%和93.1%。发生髋部骨折五年后的情况更加严峻：发生髋部骨折的男性的存活率不到三分之一，女性的存活率不到一半。
该研究的第一作者、拉瓦尔大学医学院的专家雅克·布朗指出，髋部骨折的五年生存率与某些常见癌症相近甚至更低。因此，一种能够更早识别高风险人群的工具有极大的潜在价值。（编译/田策）
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
