npj Digital Medicine：胸片AI筛骨质疏松三队列验证AUC 0.88至0.93，模拟显示可减少约50%的DXA用量

一张胸片预测骨质疏松：46478对配对撑起了多大的外推

影响分析 × 医院信息化/临床医生 ｜ 事实报道 × AI技术供应商/创业者 ｜ 深度研报

2026年10月9日，npj Digital Medicine在线发表AI-OsRM，一个从胸部X线片同时预测骨质疏松与骨量减低的深度学习模型。训练用46478对胸片与DXA配对检查，来自26757名患者；三个外部验证队列的AUROC分别是0.88、0.93与0.92。

对影像科而言，这条线的吸引力在机会性筛查这四个字：胸片本来就要拍，若能顺带把骨密度异常挑出来，就多了一条不必额外安排检查的入口。但把三个数字摆在一起会发现，它们不在同一个任务口径上，也不能平均着看。

开场：胸片是全世界拍得最多的那张片子

胸部X线是各类影像检查里量最大的一种，便宜、快、设备普及，门诊、急诊、体检与术前评估都会开。正因为量大，它一直是机会性筛查最想借用的载体：用一次本来就要做的检查，顺带回答一个本来没人问的问题。

骨密度这边是另一番景象。诊断骨质疏松与骨量减低的常规手段是DXA，即双能X线骨密度测定。它准确，但需要专门设备、技师与单独预约，在基层与体检场景的覆盖率远不如胸片，大量骨量异常的人从未被测量过，直到骨折才被确认。

AI-OsRM想填的是这个缺口。它不打算替代DXA的诊断地位，而是做一层预筛：先用胸片把可疑的人挑出来，再送去测DXA。这个定位决定了评价它的标准不是能否取代DXA，而是分流效率与漏掉多少。

46478对配对：这个模型是靠什么喂出来的

46478是配对检查数，26757是患者数，两者不能混用。一名患者可能在不同时间做过多次胸片与DXA，符合时间窗的每次配对算作一对，所以配对数明显大于患者数。把46478写成患者数，是最常见的一处转述错误。

配对之所以必须，是因为标签来自DXA。模型要学的是胸片影像与骨密度之间的映射，没有同一位患者的两项检查在时间上足够接近，这个映射就立不住。摘要未给出配对时间窗的设定。

数据来自一家三级转诊医院，时间跨度2016年至2022年。两个限定都值得记下来：三级转诊医院的人群病情谱比社区更重，合并用药与慢性病比例更高，会影响骨密度分布；七年跨度意味着设备可能更换、投照条件可能变化。模型是否吃进了这些批次差异，摘要未给出分析。

架构基于ResNet，并采用掩码自编码器做预训练，作用是在标注之外先学一遍胸片的通用表征，缓解配对样本有限的压力。这是当前的主流做法，方向合理，但摘要未给出预训练数据的规模与来源。

0.88到0.93：三个队列的成绩不能平均着看

三个外部验证队列性质不同，这是本篇最需要说清的一点。SNUH是时间分离队列，6391例，AUROC 0.88，95%CI 0.87至0.89，任务口径是同时预测骨质疏松与骨量减低。HPC是体检队列，24132例，骨质疏松检出AUROC 0.93，95%CI 0.92至0.93。YSMC同为体检队列，122535例，AUROC 0.92，95%CI 0.92至0.92。

先看任务口径。0.88对应的是同时抓住骨质疏松与骨量减低两类异常，判别难度高于只抓骨质疏松；0.93与0.92对应的是骨质疏松检出这一项。把0.88与0.93放在一起比高低，实际是在比较两个不同任务，这是本篇最容易发生的一处误读。

再看人群口径。SNUH是医院内的时间分离队列，与训练数据同源；另两个是体检人群队列，相对健康，骨密度正常者占多数，类别区分通常更清晰，AUROC偏高并不意外。医院队列病情谱更宽、合并症更多，判别难度更大。这是合理的解释方向，但摘要未给出各队列的患病率与人群构成，只能作为待验证的假设。

因此0.88、0.93、0.92不能平均成一个成绩。若只给一句话，应当说：在医院时间分离队列上同时识别两类异常的AUROC为0.88，在两个体检队列上识别骨质疏松的AUROC为0.93与0.92。分开写才不丢信息。

减少一半DXA：省下来的检查对应漏掉多少病人

模拟分析给出的结论是，以AI-OsRM做预筛可减少约50%的DXA用量，同时维持骨质疏松98%至99%、骨量减低80%至90%的检出率。

这句话要从两头读。一头是收益：DXA用量减半，对设备与排期紧张、预约周期长的机构是实打实的流程改善。另一头是代价，而代价常被人略过。维持98%至99%，意味着骨质疏松仍有1%至2%的患者被筛掉；维持80%至90%，意味着骨量减低有10%至20%的人不会被送去做DXA。

两档漏诊的分量不同。骨质疏松漏掉的是已进入治疗指征的人群，比例低但后果直接。骨量减低漏掉的是干预窗口人群，他们尚未达到治疗阈值，靠生活方式与随访延缓骨丢失，恰恰是筛查最想抓住的对象。两成的漏检率放在这个人群上，是评估这套流程时最该被追问的一项。

还要强调这是模拟分析，不是前瞻实测。摘要未给出阈值选择依据与DXA成本参数，真实部署中的节省幅度会受预约规则、患者依从性与设备负荷影响，未必等于50%。

冷静观察：机会性筛查的分寸，卡在漏诊的那部分

先把没有的部分列出来。摘要未见前瞻性随机对照研究，未见成本效果分析，未见与现行筛查路径的对照，未见不同设备与投照体位下的稳健性测试，未见各队列的患病率与人群构成，未见配对时间窗与预训练数据规模，也未见任何器械注册路径。这些缺席决定了它现在的身份是一项有外部验证的模型研究，不是可采购的筛查流程。

因此正确的表述是：AI-OsRM在三个外部队列上显示出从胸片识别骨密度异常的能力，模拟分析提示以它做预筛有减少约一半DXA用量的潜力。不能写成它已可替代DXA，也不能写成骨密度筛查可以不再安排DXA。DXA仍是诊断与随访的依据，模型在其上游做分流。

对供应商与医院信息化方来说，落地的第一道门槛不在模型，而在阈值谁来定。98%与80%这两档不是模型自动给出的，是阈值选择的结果。不同机构对漏诊与节省的偏好不同，阈值应当本地化设定并在本地数据上重新验证，而不是直接套用论文的模拟结论。

接下来该追问的是四件事。其一，三个队列的患病率与人群构成能否公布，这决定了0.88与0.93的落差来自人群还是任务。其二，模拟所依据的阈值与成本参数是什么，减半结论对哪些假设最敏感。其三，骨量减低那10%至20%的漏检人群，其骨折风险与后续转归如何。其四，多中心前瞻研究何时启动，能否给出真实流程中的节省量与漏诊数。这四件事没有答案之前，减少一半只是模拟结果，不是已实现的收益。

原文链接：npj Digital Medicine论文

千方医数集编辑部 出品