まず結論:この研究から言えること
この研究では、複数の部位のレントゲン画像から、骨粗鬆症の可能性を自動で調べるAIを作り、性能を確認しました。正確度は80.1%、診断性能を示す指標は0.844でした。ただし、AIだけで診断や治療を決められるかは、この研究だけではわかりません。
そもそも、どんな問題なのか?
骨粗鬆症は、骨が弱くなり、骨折しやすくなる病気です。通常の診断には、DXA(骨の密度を測る検査)が使われます。
この研究では、別の目的で撮影した複数部位のレントゲン画像を使い、骨粗鬆症の可能性を調べるAI「OPXrayNet」を開発しました。追加の放射線や費用を増やさず、見逃されている可能性のある人を見つけることが目的です。
このAIは、画像のどの骨の部分を重視したかを示せるように作られています。研究では、AIが重要な骨の部分に注目している可能性が示されました。
今回の研究では何を調べたのか?
過去に集められたデータを調べる、後ろ向き多施設診断研究です。2186人の参加者と、16,347枚のレントゲン画像を使いました。平均年齢は69.0±10.5歳で、女性は72.3%でした。
骨粗鬆症の基準には、DXAで測るTスコアを使いました。Tスコアが−2.5以下の場合を、骨粗鬆症としました。
この研究に治療の介入はありません。AIによる判定を調べ、DXAによる基準と比べました。評価したのは、AIがどの程度正しく判定できるかという診断性能です。追跡期間は記載されていません。
何がわかったのか?
内部テストセットの3892画像では、正確度は80.1%でした。これは、AIの判定が基準と一致した割合を示します。
外部検証では、診断性能を示す曲線下面積(AUC)が0.844でした。95%信頼区間は0.821–0.867です。信頼区間は、研究結果の不確かさの範囲を示すものです。
複数の基準モデルと比べると、性能の数値に3.9%の差がみられました。どのモデルがどの程度優れていたかは、ここに示された情報だけでは詳しく判断できません。
私たちの生活・リハビリにどう関係する?
この研究からは、普段のレントゲン画像を使って、骨粗鬆症の可能性を調べる補助的な方法として、AIが役立つ可能性が示されています。骨粗鬆症の可能性に気づくきっかけになることは考えられます。
ただし、この研究はAIの診断性能を調べたもので、AIを使った検査が治療や骨折予防につながるかまでは調べていません。個別の検査や治療の判断は、主治医に相談してください。
研究でまだわからないこと
対象は2186人で、女性が72.3%でした。この研究結果が、すべての年齢や性別の人に同じように当てはまるかは、この情報だけではわかりません。
Abstractには、研究の詳しい限界は明記されていません。Abstractだけでは、実際の診療での使い方や、AIの判定が患者さんの経過に与える影響も確認できません。
Yoリハ 佐藤院長の視点
論文の結果を一人ひとりにそのまま当てはめるのではなく、診察と動きの評価を組み合わせて考えることが大切です。
開院後のYoリハでは、次のような検査や治療を予定しています。院長の佐藤洋一は、日本骨粗鬆症学会の認定医です。骨粗鬆症外来では、骨密度や血液検査、服薬歴、生活背景を確認し、ガイドラインに沿って治療方針を相談できる体制を準備しています。詳しくは「骨粗鬆症外来」をご覧ください。
Yoリハビリ整形外科かわなは2027年4月1日の開院を予定しており、現在は診療・予約を開始していません。
参考文献
-
OPXrayNet: a high-precision, explainable AI framework for transformative opportunistic osteoporosis screening utilizing multi-site X-ray imaging.
PMID: 43026332
https://pubmed.ncbi.nlm.nih.gov/43026332/
※この記事は、医学論文の内容を一般向けに解説したものです。診断や治療の最終判断は、必ず主治医とご相談ください。

