骨质疏松人工智能技术研究进展及发展趋势

目的 探讨人工智能(artificial intelligence,AI)技术在骨质疏松早期诊断、早期预防、标准化治疗及科学化随访中的应用现状及发展前景.方法 查阅近十年人工智能在医学中的应用现状,分析探讨骨质疏松AI技术开发的可行性及其关键技术限制瓶颈.结果 开发优质AI技术的重要前提是大量准确知识的学习.骨质疏松筛查AI技术需要大量的骨密度数据和流行病学因素调查作为筛查系统的数据基础,诊治和随访AI技术需要大量的专业术语、影像学数据、血液、尿液生化指标的采集学习.因此,学习和验证过程中重要的是需要大量的骨密度数据、流行病学调查因素、血液尿液生化指标数据、骨密度测定影像资料、骨质疏松诊断中的专业术语资料、骨质疏松治疗过程中的用药及治疗效果资料等.这些相关资料的收集过程可以通过骨质疏松生物样本库的构建完成.结论 骨质疏松AI的开发离不开骨质疏松体检生物样本库的建设,高质量多中心大规模骨质疏松生物样本库构建过程中收集的大量可供机器人学习及再学习的资料是决定骨质疏松AI技术开发成败的关键.