三總AI演算法推估「骨質疏鬆」成效 揪出315位潛在患者
三軍總醫院研究團隊開發一個AI伺機性篩檢的新模式,有別於傳統系統性篩檢。方文輝表示,研究團隊利用醫療系統內的巨量資料,例如胸部X光片,訓練出可用於輔助診斷的人工智慧演算法。記者鄒尚謙/攝影
AI人工智能發展迅速,三總研究團隊用來做「骨質疏鬆」的預測也取得相當正面的結果。三總家庭醫學科主任方文輝表示,透過「人工智慧伺機性篩檢」篩出一位44歲男性個案,透過過去X光篩檢的紀錄,列爲骨質疏鬆高風險族羣,並及時介入治療。
骨質疏鬆症是全球盛行率僅次於心血管疾病的第二大重要疾病,其嚴重性影響着全球各地的老年人羣。方文輝表示,根據統計調查,臺灣65歲以上的臺灣婦女中,有19.8%發生過一次以上的脊椎體壓迫性骨折;而男性則有12.5%,但停經後婦女骨質疏鬆症的盛行率將近30%。
「骨質疏鬆是一種無症狀疾病。」方文輝指出,脆弱性骨折住院的致死率約爲20%,而骨質疏鬆症正式導致的主因,篩檢若能夠及時介入並給予治療,能夠有效減少將近9成的脆弱性骨折風險。
方文輝說,傳統的骨質疏鬆篩檢系統性篩檢,主要是根據年齡、性別、體重、身高、骨折病史、父母骨折病史、類風溼性關節炎病史、吸菸習慣、是否使用類固醇藥物、續發性骨質疏鬆症病史以及飲酒習慣來計算,並得出FRAX分數,作爲診斷依據。
三總研究團隊開發一個AI伺機性篩檢的新模式,有別於傳統系統性篩檢。方文輝表示,研究團隊利用醫療系統內的巨量資料,例如胸部X光片,訓練出可用於輔助診斷的人工智慧演算法,從患者的醫療資料中找出疾病特徵回饋給該患者的主責醫師。
AI會利用個案過往的胸部X光片,預測其腰椎及髖關節骨的骨質密度,再通知患者回診,接受標準的骨質密度檢查。方文輝說,三總院內以AI篩選出315位高風險患者中,高達272位、86.3%患者回診中被確認爲骨質疏鬆、43位、13.7%患者爲骨質缺乏,最終有92位、33.8%患者進一步接受積極藥物治療。
方文輝表示,有一例60歲男性,在FRAX分數中「無風險因子」,是在傳統的系統性篩檢中會被忽略的族羣,但透過其胸部X光預測其骨質疏鬆程度高危險族羣,通知該個案回診接受DXA檢查後,確認其已達到骨質疏鬆的嚴重程度;另一例44歲男性個案也是透過其胸部X光成功篩檢出骨質疏鬆高風險族羣,都幸運地及早發現進行治療。
方文輝說,三總所開發利用人工智慧演算法建立新穎的伺機性篩檢模式,可突破目前骨質疏鬆篩檢率低落的困境,將有限的篩檢資源用於真正有需求的高風險族羣,從而落實預防醫學中風險分層之醫療目的,以達到早期偵測早期治療之目的。