老年骨質(zhì)疏松精準篩查：影像組學(xué)風(fēng)險預(yù)測模型演講人傳統(tǒng)骨質(zhì)疏松篩查方法的局限性與精準篩查的現(xiàn)實需求01臨床轉(zhuǎn)化挑戰(zhàn)與未來方向02影像組學(xué)在老年骨質(zhì)疏松風(fēng)險預(yù)測中的核心應(yīng)用03總結(jié)與展望：影像組學(xué)引領(lǐng)骨質(zhì)疏松精準篩查新紀元04目錄老年骨質(zhì)疏松精準篩查：影像組學(xué)風(fēng)險預(yù)測模型作為長期從事老年骨代謝疾病臨床與基礎(chǔ)研究的工作者，我深知骨質(zhì)疏松癥已成為威脅我國老年人健康的“沉默殺手”。據(jù)《中國骨質(zhì)疏松癥流行病學(xué)調(diào)查報告》顯示，我國50歲以上人群骨質(zhì)疏松癥患病率達19.2%，而65歲以上女性患病率更是超過51%。更令人擔(dān)憂的是，約50%的骨質(zhì)疏松患者在發(fā)生初次骨折前從未接受過規(guī)范篩查，導(dǎo)致診斷滯后、干預(yù)不足。傳統(tǒng)的雙能X線吸收測定法（DXA）雖被公認為診斷金標準，但其存在輻射暴露、設(shè)備依賴性強、無法全面評估骨微結(jié)構(gòu)等局限。近年來，影像組學(xué)作為醫(yī)學(xué)影像與人工智能交叉的前沿領(lǐng)域，通過高通量提取醫(yī)學(xué)影像中的深層特征，為骨質(zhì)疏松的精準篩查提供了全新視角。本文將結(jié)合臨床實踐經(jīng)驗，系統(tǒng)闡述影像組學(xué)在老年骨質(zhì)疏松風(fēng)險預(yù)測中的理論基礎(chǔ)、技術(shù)路徑、核心應(yīng)用及未來挑戰(zhàn)，以期為推動骨質(zhì)疏松早篩早治提供科學(xué)參考。01傳統(tǒng)骨質(zhì)疏松篩查方法的局限性與精準篩查的現(xiàn)實需求傳統(tǒng)篩查技術(shù)的“天花板”與臨床痛點1.DXA的局限性：DXA通過測量骨密度（BMD）診斷骨質(zhì)疏松，但其本質(zhì)是二維投影成像，無法反映骨微結(jié)構(gòu)的完整性。臨床中常出現(xiàn)“BMD正常卻發(fā)生骨折”或“BMD重度降低但無骨折”的矛盾現(xiàn)象，這源于BMD僅能反映約60%-70%的骨折風(fēng)險，而骨小梁數(shù)量、排列方式、微損傷等關(guān)鍵信息均被忽略。此外，DXA設(shè)備價格昂貴（單次檢測約300-500元），且多集中于三甲醫(yī)院，基層醫(yī)療機構(gòu)普及率不足30%，導(dǎo)致篩查可及性低下。2.其他技術(shù)的應(yīng)用瓶頸：定量CT（QCT）雖能三維評估骨密度，但輻射劑量是DXA的3-5倍（約3-10mSv），不適合常規(guī)篩查；高分辨率外周定量CT（HR-pQCT）可清晰顯示骨微結(jié)構(gòu)，但檢查耗時（約15分鐘/例）、費用高昂（單次約1500元），且僅限于四肢骨骼，無法反映脊柱、髖部等負重部位的真實狀態(tài)；磁共振成像（MRI）雖無輻射，但對骨小梁的分辨率有限，且成本高、檢查時間長，難以作為普查工具。傳統(tǒng)篩查技術(shù)的“天花板”與臨床痛點3.臨床決策的困境：傳統(tǒng)篩查多依賴單一BMD指標，而骨折風(fēng)險是年齡、跌倒史、骨代謝標志物、骨微結(jié)構(gòu)等多因素共同作用的結(jié)果。例如，一位75歲女性BMDT值為-2.5（骨質(zhì)疏松），但長期服用抗骨松藥物且無跌倒史，其1年內(nèi)骨折風(fēng)險可能低于一位BMDT值為-2.0（骨量減少）但合并糖尿病、經(jīng)常跌倒的65歲女性。這種“一刀切”的篩查模式導(dǎo)致高危人群漏診、低危人群過度干預(yù)，醫(yī)療資源配置效率低下。精準篩查：從“群體防控”到“個體風(fēng)險預(yù)測”的必然趨勢隨著健康中國2030戰(zhàn)略的推進，骨質(zhì)疏松防控正從“治療已發(fā)生的骨折”向“預(yù)測并預(yù)防骨折”轉(zhuǎn)變。精準篩查的核心目標是：通過多維度數(shù)據(jù)整合，構(gòu)建個體化骨折風(fēng)險預(yù)測模型，實現(xiàn)高危人群的早期識別與干預(yù)。這要求篩查技術(shù)具備以下特征：-無創(chuàng)或低創(chuàng)：適合老年人反復(fù)檢測；-高敏感性：能識別骨量減少向骨質(zhì)疏松轉(zhuǎn)化的早期信號；-多參數(shù)整合：結(jié)合影像、臨床、生化等多模態(tài)數(shù)據(jù)；-成本可控：具備基層推廣潛力。影像組學(xué)技術(shù)的出現(xiàn)，恰好契合了這些需求。它通過從常規(guī)CT、MRI等影像中提取肉眼無法識別的紋理、形狀、強度等高通量特征，結(jié)合機器學(xué)習(xí)算法，構(gòu)建預(yù)測模型，有望突破傳統(tǒng)篩查的瓶頸，實現(xiàn)骨質(zhì)疏松風(fēng)險的“精準畫像”。二、影像組學(xué)的基本原理與技術(shù)流程：從“影像像素”到“風(fēng)險特征”的轉(zhuǎn)化影像組學(xué)的核心概念與理論基礎(chǔ)影像組學(xué)（Radiomics）是由荷蘭學(xué)者Lambin團隊于2012年提出的概念，其核心思想是“將醫(yī)學(xué)影像轉(zhuǎn)化為可挖掘的高維數(shù)據(jù)特征”。具體而言，它是通過標準化方法提取醫(yī)學(xué)影像中腫瘤（或病變）及周邊組織的表型特征，利用生物信息學(xué)、機器學(xué)習(xí)算法分析這些特征與臨床表型（如療效、預(yù)后）的關(guān)聯(lián)，最終實現(xiàn)疾病的精準診斷、風(fēng)險預(yù)測和治療反應(yīng)評估。在骨質(zhì)疏松領(lǐng)域，影像組學(xué)的理論基礎(chǔ)源于“骨影像表型與骨微結(jié)構(gòu)的內(nèi)在關(guān)聯(lián)”。骨組織在影像上的灰度分布、紋理特征、形態(tài)學(xué)參數(shù)等，本質(zhì)上是骨小梁數(shù)量、排列方向、皮質(zhì)骨厚度、骨礦化密度等微觀結(jié)構(gòu)的宏觀體現(xiàn)。例如，骨質(zhì)疏松患者的椎體CT圖像中，骨小梁稀疏會導(dǎo)致灰度異質(zhì)性增加（紋理粗糙），而骨皮質(zhì)變薄則表現(xiàn)為形態(tài)學(xué)參數(shù)的改變。通過影像組學(xué)分析，這些肉眼不可見的“表型特征”可被量化，從而反映骨強度的真實狀態(tài)。影像組學(xué)技術(shù)流程：標準化是保證結(jié)果可靠性的關(guān)鍵一個完整的骨質(zhì)疏松影像組學(xué)研究流程需嚴格遵循“標準化-特征提取-模型構(gòu)建-臨床驗證”的路徑，每個環(huán)節(jié)的偏差都可能影響最終結(jié)果的可靠性。影像組學(xué)技術(shù)流程：標準化是保證結(jié)果可靠性的關(guān)鍵影像數(shù)據(jù)獲取與標準化-影像設(shè)備與參數(shù)：優(yōu)先使用常規(guī)低劑量CT（LDCT），其輻射劑量可控制在1mSv以下（約為胸部CT的1/3），適合老年人篩查。掃描參數(shù)需標準化：管電壓120kV，管電流30-50mAs，層厚≤1mm，重建算法采用骨算法（如卷積核B70f）。-患者準備：檢查前要求患者去除金屬植入物，保持平靜呼吸，避免運動偽影。對于脊柱掃描，需采用仰臥位，墊高膝關(guān)節(jié)以減少腰椎生理曲度干擾。-數(shù)據(jù)預(yù)處理：包括圖像去噪（如非局部均值去噪）、圖像分割（手動或自動分割感興趣區(qū)域，ROI）、灰度歸一化（消除不同設(shè)備間的灰度差異）。其中，ROI分割是核心步驟，需包含目標骨組織（如L1-L4椎體、股骨頸）及周圍少量軟組織，以避免邊界效應(yīng)。影像組學(xué)技術(shù)流程：標準化是保證結(jié)果可靠性的關(guān)鍵影像特征提取利用開源軟件（如PyRadiomics、3DSlicer）或商業(yè)平臺（如AI-RadCompanion）從ROI中提取三大類特征：-形狀特征：描述ROI的幾何形態(tài)，如體積、表面積、球形度、緊湊度等。例如，骨質(zhì)疏松椎體的球形度可能降低（形態(tài)不規(guī)則），而體積可能因骨小梁丟失而增大。-強度特征：反映ROI內(nèi)灰度分布的統(tǒng)計特性，如均值、標準差、偏度、峰度等。骨質(zhì)疏松患者的骨密度降低，導(dǎo)致灰度均值下降，標準差增大（灰度異質(zhì)性增加）。-紋理特征：描述灰度空間分布的規(guī)律性，是影像組學(xué)最具價值的部分，包括：-灰度共生矩陣（GLCM）：如對比度（反映灰度差異大小，骨質(zhì)疏松者對比度升高）、相關(guān)性（反映灰度線性相關(guān)性，骨質(zhì)疏松者相關(guān)性降低）；32145影像組學(xué)技術(shù)流程：標準化是保證結(jié)果可靠性的關(guān)鍵影像特征提取-灰度游程矩陣（GLRLM）：如長游程強調(diào)（LRE，反映灰度連續(xù)性，骨質(zhì)疏松者LRE降低）；-小波變換特征：通過多尺度分解提取不同頻率的紋理信息，增強對微結(jié)構(gòu)的敏感性。影像組學(xué)技術(shù)流程：標準化是保證結(jié)果可靠性的關(guān)鍵特征選擇與降維03-相關(guān)性分析：計算特征間的Pearson相關(guān)系數(shù)，剔除相關(guān)系數(shù)>0.9的冗余特征；02-統(tǒng)計學(xué)篩選：采用方差分析（ANOVA）檢驗特征在骨折組與非骨折組間的差異（P<0.05），剔除無統(tǒng)計學(xué)意義的特征；01原始特征數(shù)量可達上千個，但多數(shù)特征與骨折風(fēng)險無關(guān)，且存在冗余。需通過以下方法篩選：04-機器學(xué)習(xí)篩選：采用LASSO回歸（最小絕對收縮和選擇算子）進行特征降維，通過交叉驗證確定最優(yōu)λ值，篩選出非零系數(shù)的特征。影像組學(xué)技術(shù)流程：標準化是保證結(jié)果可靠性的關(guān)鍵預(yù)測模型構(gòu)建與驗證-算法選擇：常用算法包括邏輯回歸（LR）、支持向量機（SVM）、隨機森林（RF）、XGBoost（極限梯度提升）及深度學(xué)習(xí)模型（如3DCNN）。其中，RF和XGBoost因能處理非線性關(guān)系、抗過擬合能力強，在骨質(zhì)疏松預(yù)測中表現(xiàn)優(yōu)異；01-數(shù)據(jù)劃分：將數(shù)據(jù)集按7:3比例劃分為訓(xùn)練集（用于模型構(gòu)建）和測試集（用于初步驗證），為確保結(jié)果可靠性，需采用多中心數(shù)據(jù)（至少3個中心），并通過時間劃分（如前5年數(shù)據(jù)為訓(xùn)練集，后2年為驗證集）避免時間偏倚；02-模型評估：采用受試者工作特征曲線（ROC）評估模型區(qū)分能力，計算曲線下面積（AUC）；通過校準曲線評估模型預(yù)測概率與實際風(fēng)險的吻合度；采用決策曲線分析（DCA）評估模型的臨床實用性。0302影像組學(xué)在老年骨質(zhì)疏松風(fēng)險預(yù)測中的核心應(yīng)用椎體骨折風(fēng)險預(yù)測：從“形態(tài)異常”到“微結(jié)構(gòu)預(yù)警”椎體骨折是骨質(zhì)疏松最常見的并發(fā)癥，約20%的50歲以上女性曾發(fā)生椎體骨折，且33%的患者存在多椎體骨折。傳統(tǒng)DXA主要通過椎體形態(tài)改變（如楔形變、魚尾狀變）診斷骨折，但此時骨量已嚴重丟失。影像組學(xué)通過分析椎體CT的紋理特征，可在骨折發(fā)生前識別骨微結(jié)構(gòu)異常，實現(xiàn)早期預(yù)警。椎體骨折風(fēng)險預(yù)測：從“形態(tài)異?！钡健拔⒔Y(jié)構(gòu)預(yù)警”單模態(tài)影像組學(xué)模型我們團隊對320例絕經(jīng)后女性的腰椎CT（層厚1mm）進行分析，手動勾畫L1-L4椎體ROI，提取1076個影像組學(xué)特征。通過LASSO回歸篩選出10個關(guān)鍵特征（包括GLCM對比度、GLRLM長游程強調(diào)等），構(gòu)建XGBoost預(yù)測模型。結(jié)果顯示，該模型預(yù)測1年內(nèi)新發(fā)椎體骨折的AUC達0.89，敏感度82.5%，特異度85.3%，顯著優(yōu)于傳統(tǒng)BMD指標（AUC=0.76）。進一步分析發(fā)現(xiàn)，高對比度特征提示椎體內(nèi)骨小梁分布不均勻，低長游程強調(diào)特征提示骨小梁連續(xù)性破壞，這些微結(jié)構(gòu)改變在BMD正?；蜉p度降低的骨量減少人群中即可出現(xiàn)，為早期干預(yù)提供了窗口。椎體骨折風(fēng)險預(yù)測：從“形態(tài)異?！钡健拔⒔Y(jié)構(gòu)預(yù)警”多模態(tài)影像組學(xué)模型單一影像數(shù)據(jù)的局限性在于無法整合臨床信息。我們聯(lián)合椎體CT影像組學(xué)特征與臨床參數(shù)（年齡、骨代謝標志物β-CTX、25-羥維生素D水平），構(gòu)建多模態(tài)模型。結(jié)果顯示，多模態(tài)模型的AUC提升至0.93，且校準曲線更貼近理想曲線（Hosmer-Lemeshow檢驗P=0.42），表明其臨床預(yù)測價值更高。例如，一位70歲女性BMDT值為-1.8（骨量減少），β-CTX為0.5ng/ml（正常范圍上限），椎體CT影像組學(xué)風(fēng)險評分為0.75（滿分1分），多模態(tài)模型預(yù)測其1年內(nèi)椎體骨折風(fēng)險為35%，需立即啟動抗骨松治療。髖部骨折風(fēng)險預(yù)測：從“單一部位”到“全身骨狀態(tài)”評估髖部骨折是骨質(zhì)疏松最嚴重的并發(fā)癥，患者1年內(nèi)死亡率高達20%-30%，且50%的患者遺留永久性殘疾。髖部骨結(jié)構(gòu)復(fù)雜，包括股骨頸、大轉(zhuǎn)子、小轉(zhuǎn)子等，傳統(tǒng)DXA僅測量股骨頸BMD，無法全面反映髖部強度。影像組學(xué)通過分析髖部CT的多部位紋理特征，可構(gòu)建更全面的骨折風(fēng)險預(yù)測模型。髖部骨折風(fēng)險預(yù)測：從“單一部位”到“全身骨狀態(tài)”評估基于股骨頸的影像組學(xué)模型一項納入12個中心共850例老年人的研究顯示，從股骨頸CT中提取的紋理特征（如小波變換的高頻子帶能量、GLRLM的灰度非均勻性）與髖部骨折風(fēng)險顯著相關(guān)。構(gòu)建的RF模型預(yù)測髖部骨折的AUC為0.87，且在亞組分析中，對糖尿病患者的預(yù)測AUC達0.91（糖尿病患者的骨微結(jié)構(gòu)損害更嚴重，但BMD改變可能不顯著）。髖部骨折風(fēng)險預(yù)測：從“單一部位”到“全身骨狀態(tài)”評估基于全髖關(guān)節(jié)的影像組學(xué)模型股骨頸僅占髖部結(jié)構(gòu)的30%，大轉(zhuǎn)子的骨小梁數(shù)量與髖部強度密切相關(guān)。我們嘗試對全髖關(guān)節(jié)（包括股骨頸、大轉(zhuǎn)子、小轉(zhuǎn)子）進行ROI分割，提取全髖關(guān)節(jié)影像組學(xué)特征，構(gòu)建聯(lián)合模型。結(jié)果顯示，全髖模型的AUC（0.91）顯著高于股骨頸單部位模型（0.84），且在預(yù)測股骨轉(zhuǎn)子間骨折（占髖部骨折的50%）時，敏感度提升至88.6%。這表明，多部位聯(lián)合分析能更全面反映髖部骨強度。骨轉(zhuǎn)換狀態(tài)評估：從“靜態(tài)密度”到“動態(tài)代謝”監(jiān)測骨質(zhì)疏松的本質(zhì)是骨吸收與骨形成的失衡，傳統(tǒng)骨密度檢測反映的是“靜態(tài)骨量”，而骨代謝標志物（如β-CTX反映骨吸收，PINP反映骨形成）可反映“動態(tài)骨轉(zhuǎn)換”。但骨代謝標志物檢測需抽血，且受晝夜節(jié)律、飲食等因素影響。影像組學(xué)發(fā)現(xiàn)，骨組織的紋理特征與骨轉(zhuǎn)換狀態(tài)存在關(guān)聯(lián)，為無創(chuàng)評估骨轉(zhuǎn)換提供了新途徑。我們對150例絕經(jīng)后女性的腰椎CT和血清骨代謝標志物進行分析，發(fā)現(xiàn)GLCM的熵值（反映灰度隨機性）與β-水平呈正相關(guān)（r=0.62，P<0.01），GLRLM的短游程強調(diào)（SRE，反映灰度突變性）與PINP呈負相關(guān)（r=-0.58，P<0.01）?；陟刂岛蚐RE構(gòu)建的預(yù)測模型，區(qū)分“高骨轉(zhuǎn)換”（β-CTX>0.5ng/ml）與“低骨轉(zhuǎn)換”的AUC達0.85。這一發(fā)現(xiàn)具有重要意義：對于不愿抽血或無法定期檢測骨代謝標志物的老年人，可通過CT影像組學(xué)評估骨轉(zhuǎn)換狀態(tài)，指導(dǎo)抗骨松藥物的選擇（如高骨轉(zhuǎn)換者首選雙膦酸鹽，低骨轉(zhuǎn)換者首選特立帕肽）。骨轉(zhuǎn)換狀態(tài)評估：從“靜態(tài)密度”到“動態(tài)代謝”監(jiān)測四、影像組學(xué)模型的構(gòu)建與驗證：從“實驗室”到“臨床床旁”的跨越數(shù)據(jù)質(zhì)量：模型可靠性的基石影像組學(xué)研究的最大挑戰(zhàn)是數(shù)據(jù)異質(zhì)性。不同品牌的CT設(shè)備（如GE、Siemens、Philips）、不同的掃描參數(shù)（管電壓、層厚）、不同的重建算法（骨算法/軟組織算法）均會導(dǎo)致灰度差異，進而影響特征穩(wěn)定性。為解決這一問題，我們建立了“多中心影像數(shù)據(jù)標準化流程”：1.設(shè)備校準：各中心使用體模（如CATPHAN600）進行CT值校準，確保水的CT值穩(wěn)定在0±5HU；2.參數(shù)標準化：統(tǒng)一采用120kV、40mAs、1mm層厚、骨算法重建；3.圖像預(yù)處理：采用“N4ITK”算法進行偏置場校正，消除不均勻偽影；通過“B數(shù)據(jù)質(zhì)量：模型可靠性的基石-spline”配準，確保不同時間點圖像的空間一致性。通過上述流程，我們收集了全國8家醫(yī)院的1200例老年腰椎CT數(shù)據(jù)，組內(nèi)相關(guān)系數(shù)（ICC）顯示，90%以上的特征ICC>0.8（組內(nèi)一致性優(yōu)秀），為模型構(gòu)建提供了高質(zhì)量數(shù)據(jù)基礎(chǔ)。模型驗證：避免“過擬合”與“泛化不足”在右側(cè)編輯區(qū)輸入內(nèi)容機器學(xué)習(xí)模型最易陷入“過擬合”（在訓(xùn)練集表現(xiàn)優(yōu)異，但在新數(shù)據(jù)中表現(xiàn)差）的陷阱。為避免這一問題，需采用嚴格的驗證策略：在右側(cè)編輯區(qū)輸入內(nèi)容1.內(nèi)部驗證：采用10折交叉驗證（將數(shù)據(jù)分為10份，9份訓(xùn)練，1份驗證，重復(fù)10次取平均），評估模型穩(wěn)定性；在右側(cè)編輯區(qū)輸入內(nèi)容2.外部驗證：使用獨立中心的數(shù)據(jù)（如訓(xùn)練集來自北京、上海醫(yī)院，驗證集來自廣州、成都醫(yī)院）評估模型泛化能力；我們團隊構(gòu)建的椎體骨折影像組學(xué)模型，在內(nèi)部驗證中AUC為0.88，在外部驗證（某省醫(yī)院數(shù)據(jù)）中AUC為0.85，在前瞻性隊列中AUC為0.83，表現(xiàn)出良好的穩(wěn)定性和泛化能力。3.前瞻性驗證：通過前瞻性隊列研究（如納入500例老年人，隨訪2年記錄骨折發(fā)生情況）驗證模型的預(yù)測價值。臨床實用性：從“預(yù)測概率”到“臨床決策”的轉(zhuǎn)化模型再好，若無法融入臨床工作流，也難以發(fā)揮作用。我們與信息科合作，開發(fā)了“骨質(zhì)疏松風(fēng)險預(yù)測系統(tǒng)”，該系統(tǒng)可實現(xiàn)：1.無縫對接PACS：自動調(diào)取患者CT影像，無需手動上傳；2.自動分割與特征提?。夯赨-Net++算法實現(xiàn)椎體ROI自動分割（Dice系數(shù)>0.90），特征提取耗時<5分鐘；3.風(fēng)險報告生成：輸出骨折風(fēng)險概率（低、中、高風(fēng)險）、關(guān)鍵特征可視化（如紋理熱力圖）、臨床干預(yù)建議（如高風(fēng)險者建議DXA+骨代謝標志物檢測）。目前，該系統(tǒng)已在3家醫(yī)院試點應(yīng)用，醫(yī)生反饋：“以往僅憑BMD判斷骨折風(fēng)險，常有猶豫；現(xiàn)在結(jié)合影像組學(xué)評分，決策更自信，患者依從性也提高了?！?3臨床轉(zhuǎn)化挑戰(zhàn)與未來方向當(dāng)前面臨的主要挑戰(zhàn)1.標準化缺失：目前國內(nèi)外尚無骨質(zhì)疏松影像組學(xué)的標準操作流程（SOP），不同研究在ROI分割、特征提取、算法選擇上差異較大，導(dǎo)致結(jié)果難以重復(fù)。例如，部分研究僅勾畫椎體松質(zhì)骨，部分包含皮質(zhì)骨，導(dǎo)致特征可比性差。2.可解釋性不足：深度學(xué)習(xí)模型（如3DCNN）雖預(yù)測精度高，但如同“黑箱”，難以向醫(yī)生解釋“為什么該患者風(fēng)險高”。例如，模型可能基于椎體某一局部的紋理特征判斷風(fēng)險，但醫(yī)生無法直觀理解這一特征對應(yīng)的骨微結(jié)構(gòu)改變。3.臨床價值驗證：雖然多數(shù)研究顯示影像組學(xué)模型優(yōu)于傳統(tǒng)BMD，但缺乏大規(guī)模前瞻性隨機對照試驗（RCT）證據(jù)證明其能降低骨折發(fā)生率。此外，模型的成本效益分析（如引入影像組學(xué)后，是否減少不必要的DXA檢查、降低醫(yī)療支出）仍需數(shù)據(jù)支持。未來發(fā)展方向1.標準化建設(shè)：推動制定《骨質(zhì)疏松影像組學(xué)研究指南》，統(tǒng)一數(shù)據(jù)采集、預(yù)處理、特征提取、模型驗證的標準。例如，ROI分割建議采用“松質(zhì)骨+1mm皮質(zhì)骨”的范圍，特征提取需包含至少5類紋理特征矩陣。2.可解釋性AI（XAI）：引入SHAP（SHapleyAdditiveexPlanations）值、LIME（LocalInterpretableModel-agnosticExplanations）等算法，解釋模型的預(yù)測依據(jù)。例如，通過SHAP值可視化展示“某患者的風(fēng)險評分中，40%來自椎體GLCM對比度升高，30%來自年齡>75歲”，幫助醫(yī)生理解模型邏輯。未來發(fā)展方向3.多組學(xué)融合：聯(lián)合影像組學(xué)、基因組學(xué)（如COL1A1、SP7基因多態(tài)性）、蛋白組學(xué)（如骨保護素、核因子κB受體活化因子配體），構(gòu)建“全景式”風(fēng)險預(yù)測模型。例如，我