La densità minerale ossea (BMD) è il principale parametro diagnostico per identificare e monitorare questa condizione. Tradizionalmente, la BMD viene misurata mediante densitometria ossea a raggi X (DXA) o tomografia computerizzata quantitativa (QCT). Tuttavia, recenti sviluppi nella tomografia computerizzata a doppia energia (DECT) e l’introduzione di sistemi basati su intelligenza artificiale (AI) stanno trasformando il panorama della diagnostica ossea.
Mentre la DXA e la QCT rappresentano i metodi standard, la DECT ha recentemente mostrato il potenziale per una valutazione accurata della BMD senza necessità di calibrazione periodica. L’impiego dell’AI in questo contesto potrebbe rappresentare un salto qualitativo nella diagnosi dell’osteoporosi, consentendo un’analisi automatizzata delle immagini DECT con maggiore efficienza e precisione.
Metodi
Lo studio ha incluso 120 pazienti sottoposti a scansioni DECT e QCT tra agosto e dicembre 2023. Due reti neurali convoluzionali, 3D RetinaNet e U-Net, sono state impiegate per la segmentazione automatica del corpo vertebrale e l’estrazione della BMD. L’accuratezza della misurazione è stata valutata mediante l’errore di misurazione relativa (RME%). Inoltre, sono stati effettuati analisi di regressione lineare e di Bland-Altman per confrontare i valori di BMD tra i sistemi AI e manuale rispetto alla QCT.
Risultati
L’analisi ha rivelato che il sistema AI ha ottenuto un errore medio di misurazione inferiore rispetto al metodo manuale (-15,93% ± 12,05% vs. -25,47% ± 14,83%). Inoltre, la correlazione tra i valori di BMD ottenuti con l’AI e la QCT è risultata più elevata rispetto a quella del metodo manuale (R2 = 0,973 vs. 0,948; p < 0,001). L’AI ha mostrato un’elevata accuratezza diagnostica con un’area sotto la curva (AUC) di 0,979 per la diagnosi di osteoporosi e di 0,980 per la rilevazione di una BMD ridotta.
Discussione
L’uso dell’AI per l’analisi della BMD in immagini DECT offre numerosi vantaggi rispetto ai metodi tradizionali. In primo luogo, l’AI garantisce una segmentazione vertebrale automatizzata e accurata, riducendo l’errore umano. Inoltre, il sistema AI permette di ottenere misurazioni della BMD in modo rapido e standardizzato, facilitando l’integrazione della valutazione densitometrica nelle pratiche cliniche quotidiane. Un altro vantaggio significativo è la possibilità di effettuare screening opportunistici su immagini TC acquisite per altri scopi, senza necessità di scansioni dedicate.
Tuttavia, esistono alcune limitazioni. Lo studio ha utilizzato un unico scanner TC, e la validazione su apparecchiature diverse è necessaria per garantirne la generalizzabilità. Inoltre, sebbene la correlazione tra AI e QCT sia elevata, la differenza nei valori di BMD suggerisce la necessità di calibrazioni specifiche per migliorare ulteriormente l’accuratezza delle misurazioni.
Conclusioni
I risultati di questo studio indicano che l’uso dell’AI per la misurazione della BMD nelle scansioni DECT è altamente promettente. L’elevata accuratezza diagnostica e la riduzione dell’errore rispetto al metodo manuale suggeriscono che l’AI potrebbe diventare uno strumento essenziale per lo screening e il monitoraggio dell’osteoporosi. L’implementazione di questi sistemi nelle routine cliniche potrebbe migliorare la prevenzione delle fratture e l’identificazione precoce dei pazienti a rischio, aprendo nuove prospettive per la gestione della salute ossea.
Lo studio
Yali Li, Dan Jin, Yan Zhang, Wenhuan Li, Chenyu Jiang, Ming Ni, Nianxi Liao, Huishu Yuan,
Utilizing artificial intelligence to determine bone mineral density using spectral CT,
Bone, Volume 192, 2025, 117321, ISSN 8756-3282.