基于椎体 CT 和临床因素的机器学习模型预测老年骨质疏松性椎体骨折

椎体骨折是老年人最常见的骨质疏松性骨折，也是再发骨折的独立危险因素，其死亡率高后遗症多,严重影响老年人的生活质量。由于早期症状隐匿，椎体压缩性骨折容易被忽略。传统的双能 X 线骨密度仪由于老年椎体退变脊柱侧弯等导致假性增高会误判椎体骨折风险。FRAX@骨折风险评估工具由于骨折因素未完全考虑老年人特点和中国人群的数据则低估中国人群骨折风险。因此，椎体骨折风险的早期预警一直是临床中的难点。本研究利用老年人既往由于各种病症接受过临床 CT 检查已有的图像获得椎体 CT 值，与前期研究得出的骨折危险因素问卷和临床电子病历相结合，通过机器学习的算法，拟建立简便快捷较全面的老年骨质疏松性椎体骨折的预测模型。并将模型工具嵌入体检系统模块，进行前瞻性队列的验证。以期建立适合中国老年人群的椎体骨质疏松性骨折风险评估工具，并在体检人群中推广应用，达到早筛早治，降低椎体骨折率，提高老年人生活质量。