柏瑞醫表示,骨質疏鬆症與高齡族群脆弱性骨折風險密切相關,但傳統雙能量X光吸收儀(DXA)檢查受限於設備可近性與篩檢覆蓋率,使以既有X光影像輔助骨密度評估的AI工具受到關注。柏瑞醫開發的模型先前已於《Therapeutic Advances in Musculoskeletal Disease》發表實證資料,T分數預測與DXA標準的一致性達0.996,累計約4,000名臨床驗證個案。
柏瑞醫說明,此次日本外部驗證主要針對模型跨域部署限制。由於日本臨床影像遵循合理可達最低劑量(ALARA)原則,X光影像可能出現較高雜訊與較低對比度,影響AI辨識骨骼紋理特徵。
同時,日本臨床判讀採用日本族群骨密度資料庫,而非國際常用的美國白人標準(NHANES III)。若直接套用既有模型,可能造成T分數系統性偏差,進而影響骨質疏鬆風險判讀。
柏瑞醫提到,研究團隊此次處理的核心問題,是如何讓原本在台灣開發與驗證的骨質疏鬆AI模型,能適應日本真實臨床影像與診斷標準。也就是說,該研究不是單純再證明模型準確,而是針對低劑量影像造成的影像域差異,以及不同族群骨密度資料庫造成的T分數偏差進行校正與驗證。
柏瑞醫表示,此次研究建立「本地開發、海外驗證」的跨境輸出案例,後續可作為推進韓國、紐澳及東南亞等市場的參考。
論文連結:〈Deep-learning framework for osteoporosis screening on low-dose X-rays: Addressing image quality variability and cross-ethnic database Heterogeneity〉https://www.ejradiology.com/article/S0720-048X(26)00228-7/fulltext
(責任編輯/高佳樺)