まず結論:この研究から言えること
胸部X線画像を深層学習で分析すると、骨粗しょう症に関連する大きな骨折のリスクを、FRAX(骨折リスクを計算する方法)と骨密度を組み合わせた評価より正確に見分けられる可能性が示されました。特に骨減少症の人で差が大きくなりました。ただし、一般の胸部X線撮影を受ける人全体での有用性は、まだ確認が必要です。
そもそも、どんな問題なのか?
骨密度は、骨の強さをみる検査です。FRAXは、年齢や骨密度などから、将来の骨折リスクを計算する方法です。しかし、骨密度が少し低い「骨減少症」の範囲では、これらだけでは骨折リスクを十分に捉えられないことがあります。
胸部X線は、さまざまな病気の検査で日常的に撮影されます。その画像には、骨折リスクに関係する情報も含まれている可能性があります。この研究では、胸部X線画像を深層学習(画像から特徴を学ぶコンピューター技術)で分析し、将来の大きな骨粗しょう症関連骨折を見分けられるか調べました。
今回の研究では何を調べたのか?
この研究は、深層学習モデルを作り、別の医療機関のデータで性能を確かめた研究です。胸部X線撮影と骨密度検査を1年以内に受けた成人が対象でした。
モデルの開発には53,109人、外部検証(別の集団で性能を確かめること)には85,284人が含まれました。外部検証の対象者は平均58.6歳で、女性は68.9%でした。追跡期間は77か月でした。
介入として治療を行った研究ではありません。胸部X線画像から計算した深層学習モデルの結果を、FRAXと骨密度を組み合わせた評価、および最も低い骨密度のTスコアと比べました。評価したのは、2年、3年、5年、10年後の大きな骨粗しょう症関連骨折を見分ける性能です。
何がわかったのか?
外部検証では、深層学習モデルのC-index(骨折リスクの高い人と低い人を見分ける性能)は0.843(95%信頼区間0.837〜0.850)でした。FRAXと骨密度を組み合わせた場合は0.779(0.770〜0.787)でした。深層学習モデルのほうが高く、観察された差以上の差が偶然に得られる確率を示す統計値は、いずれもP<0.01でした。
10年AUROC(10年後の骨折リスクを見分ける性能を表す指標)は、深層学習モデルで0.855(0.846〜0.863)でした。FRAXと骨密度を組み合わせた場合は0.785(0.775〜0.794)でした。
骨減少症の35,358人では、10年AUROCは深層学習モデルで0.779(0.764〜0.795)でした。FRAXと骨密度を組み合わせた場合は0.659(0.641〜0.676)でした。この研究では、骨減少症の人で深層学習モデルの見分ける性能がより高くなりました。
深層学習モデルにFRAXを加えても、見分ける性能は大きく向上しませんでした。これらの結果は、胸部X線画像が骨折リスクの評価に役立つ可能性を示しています。
私たちの生活・リハビリにどう関係する?
この研究から直接言えるのは、普段の胸部X線画像を使って、将来の大きな骨折リスクが高い人を見つけられる可能性があるということです。特に、骨密度が少し低い骨減少症の人で役立つ可能性があります。
ただし、この研究は深層学習による評価方法を調べたもので、特定の治療やリハビリが骨折を防ぐ効果を調べたものではありません。胸部X線の結果だけで、個人の診断や治療を決めることはできないため、検査結果や今後の対応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
研究に参加した人は全員、骨密度検査を受けるために紹介されていました。そのため、一般の人が日常的に受ける胸部X線撮影の集団で、実際に何人の骨折を見つけられるか、また一人ひとりの骨折リスクをどの程度正確に示せるかは、まだわかっていません。
一般的な胸部X線撮影を受ける人を対象にした前向き研究(これから起こることを追跡する研究)が必要です。Abstractだけでは、これ以外の詳しい限界は確認できません。
参考文献
-
Opportunistic Risk Assessment of Major Osteoporotic Fractures from Routine Chest Radiographs Using Deep Learning.
PMID: 43037483
https://pubmed.ncbi.nlm.nih.gov/43037483/
※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。

