新的人工智能算法可识别老年女性跌倒和骨折的风险

埃迪斯科文大学 (ECU) 的研究人员开发了一种新的自动化机器学习算法。该算法可在常规骨密度测试期间准确评估腹主动脉钙化 (AAC)。 AAC 是公认的晚期血管疾病测量方法。

新的检测方法显着缩短了 AAC 筛查的时间。与经验丰富的读者从一张图像中获得 AAC 分数需要五到六分钟的时间相比，新算法只需不到一分钟即可预测数百张图像的 AAC 评分

“我们知道，在这些老年女性中，有二分之一的人会出现中度至广泛的 AAC，这种情况与跌倒和骨折有关。确定这些关系在自动化后是否保持可比性是增强骨密度测试期间拍摄的侧向脊柱图像的临床实用性的关键步骤。”

由 ECU 博士后研究员 Jack Dalla Via 博士领导的一项研究最近在>骨骼与矿物质研究杂志。研究发现，与 AAC 较低的女性相比，通过该算法得出的具有中度至广泛 AAC 的女性因跌倒而住院和临床骨折的风险增加。该研究是同类研究中的首例，表明自动评估的 AAC 可以识别老年女性跌倒和骨折的风险增加。

博士。 Dalla Via 表示，只要捕获侧向脊柱图像，自动化算法就可以在临床实践中即时、无缝地评估和报告 AAC。