人工智能从x光图像中搜索骨关节炎的早期迹象

骨关节炎是全球最常见的关节相关疾病。仅在芬兰，每年就有60万人次就诊。据估计，它每年给国民经济造成的损失高达10亿欧元。

新的基于人工智能的方法被训练来从x射线中检测预测骨关节炎的放射学特征。这一发现目前还没有被纳入诊断标准，但骨科专家认为这是骨关节炎的早期迹象。该方法由Jyväskylä大学的数字健康智能实验室开发，是芬兰人工智能中心项目的一部分。它利用了在全球广泛使用的神经网络技术。

“该项目的目的是训练人工智能从x射线中识别骨关节炎的早期特征。有经验的医生可以从图像中进行视觉区分，但不能自动完成，”负责开发该方法的研究人员Anri Patron解释说。

在实际操作中，人工智能试图检测膝关节胫骨结节上是否有刺突。胫骨尖刺可能是骨关节炎的征兆。

与芬兰中部医疗保健区专家一起评估了该方法的可靠性。

“在开发人工智能模型时使用了大约700张x射线图像，之后用大约200张x射线图像验证了模型。在87%的病例中，该模型对峰值的估计与医生的估计一致，这是一个有希望的结果，”Patron描述道。

人工智能可以在初级医疗保健中支持骨关节炎的早期诊断

Jyväskylä大学数字健康智能实验室负责人Sami讲解员Äyrämö解释说，诊断早期骨关节炎的人工智能模型的发展在全球范围内都很活跃。

“此前已经开发了几个人工智能模型来检测膝关节骨关节炎。这些模型可以检测出任何专家都很容易发现的严重病例。然而，以往开发的方法对早期表现的检测不够准确。目前正在开发的方法的目标是通过x射线进行早期检测，这是非常需要的。”

我们的目标是在未来，人工智能将能够从x光中检测出膝关节骨关节炎的早期迹象，使全科医生更经常地做出初步诊断成为可能。

该项目是与芬兰中部保健区合作开展的。芬兰中部卫生保健区首席执行官兼外科教授Juha Paloneva说，早期骨关节炎可以有效治疗。

“如果我们能在早期阶段做出诊断，我们就可以避免不确定性和昂贵的检查，如核磁共振扫描。此外，可以激励患者采取措施，减缓甚至停止症状性骨关节炎的进展。在最好的情况下，患者甚至可以避免关节置换手术，”Paloneva总结道。