Deep Learning von lateralen thorakolumbalen Röntgenaufnahmen und klinische Risikofaktoren für neu auftretende Wirbelkörperfrakturen: retrospektive Einzelzentrums-Kohortenstudie

Zusammenfassung

Ein aus lateralen Röntgenaufnahmen des thorakolumbalen Übergangs extrahierter Deep-Learning-Score, kombiniert mit klinischen Risikofaktoren, ermöglichte eine genaue Vorhersage von neu aufgetretenen Wirbelkörperfrakturen innerhalb von zwei Jahren. Das intern validierte Modell wies eine bessere Diskriminierung, Kalibrierung, Neuklassifizierung und einen höheren Entscheidungsnutzen als das klinische Modell auf und unterstützt damit individuelle Risikostratifizierungs- und frühzeitige präventive Managementstrategien.

Zusammenfassung

Die frühe Identifizierung von Patienten mit erhöhtem Risiko für eine neue Wirbelkörperfraktur bleibt herausfordernd, da die routinemäßige klinische Risikobewertung die lokale Wirbelsäulenfragilität nicht vollständig erfasst. Diese einzentrische retrospektive Kohortenstudie untersuchte, ob durch Deep-Learning-(DL-)Merkmale, die aus initialen lateralen Thorakolumbal-Röntgenaufnahmen extrahiert wurden, die Vorhersage einer neuen Wirbelkörperfraktur innerhalb von zwei Jahren verbessert werden kann, wenn sie mit klinischen Risikofaktoren kombiniert werden. Insgesamt wurden 2.173 Patienten eingeschlossen und chronologisch in eine Entwicklungs-Kohorte (n = 1.449) und eine interne Validierungs-Kohorte (n = 724) unterteilt. Die DL-Merkmale wurden aus den Basis-Röntgenaufnahmen abgeleitet, und mittels LASSO-Cox-Regression wurden Prädiktoren ausgewählt sowie ein klinisches Modell, ein DL-Modell und ein kombiniertes Modell erstellt. Die Leistungsfähigkeit wurde mittels Bootstrap-Optimismuskorrektur, zeitlicher interner Validierung, Kalibrierung, Entscheidungskurvenanalyse, zeitabhängiger netto-Reklassifizierungsverbesserung (NRI), integrierter Diskriminierungsverbesserung (IDI) sowie Sensitivitätsanalysen bewertet. Von 2.048 potenziellen DL-Merkmalen wurden 5 beibehalten, um einen DL-Score zu generieren, der im kombinierten Modell ein unabhängiger Prädiktor blieb (HR 1,64, 95 % KI 1,34–2,01; P < 0,001). In der internen Validierung erreichte das kombinierte Modell einen C-Index von 0,759, eine AUC nach zwei Jahren von 0,774 und einen Brier-Score nach zwei Jahren von 0,077, alles Werte, die über denen des klinischen Modells lagen, bei guter Kalibrierung (Interzept 0,012; Steigung 0,972). Im Vergleich zum klinischen Modell verbesserte das kombinierte Modell zudem die Reklassifizierung (NRI nach zwei Jahren 0,316 in der Entwicklungs-Kohorte und 0,241 in der Validierungs-Kohorte) und die Diskriminierung (IDI nach zwei Jahren 0,047 bzw. 0,033; alle P < 0,01) und zeigte eine höhere Nettobilanz in der Entscheidungskurvenanalyse. Die Sensitivitätsanalysen bestätigten die primären Ergebnisse. Die Kombination von DL-Merkmalen aus lateralen Thorakolumbal-Röntgenaufnahmen mit klinischen Risikofaktoren könnte eine genauere individuelle Vorhersage einer neuen Wirbelkörperfraktur innerhalb von zwei Jahren ermöglichen.

Einleitung

Wirbelbrüche gehören zu den häufigsten Arten von osteoporotischen Fragilitätsfrakturen und treten insbesondere im thorakolumbalen Bereich auf. Sie können zu chronischen Schmerzen, Körpergrößeverlust, kyphotischer Deformität, eingeschränkter Beweglichkeit führen und das Risiko für erneute Frakturen sowie eine ungünstige Prognose erhöhen¹. In der klinischen Praxis weist ein erheblicher Anteil der Patienten vor dem Frakturereignis keine typischen Symptome auf, und viele Fälle werden erst bei der bildgebenden Kontrolluntersuchung erkannt. Dies deutet darauf hin, dass eine alleinige Orientierung an Symptomen oder eine retrospektive Diagnosestellung die rechtzeitige Screening-Identifikation von Hochrisikopopulationen erschwert^2,3. Die bestehende Risikobewertung stützt sich hauptsächlich auf Informationen wie Alter, Geschlecht, Body-Mass-Index, vorangegangene Fragilitätsfrakturen, Diabetes, Glukokortikoid-Exposition und Knochendichte, die den Hintergrund einer systemischen Knochenfragilität widerspiegeln können. Allerdings ist es schwierig, damit die lokale strukturelle Fragilität und mechanische Anomalien der thorakolumbalen Wirbelsäule vollständig zu erfassen – ein zentrales, lang bestehendes Problem bei der Vorhersage des Risikos für neue Wirbelkörperfrakturen⁴. Die laterale Thorakolumbalaufnahme ist eine der am häufigsten verwendeten und leicht zugänglichen bildgebenden Untersuchungen der Wirbelsäule in der klinischen Praxis. Sie kann nicht nur die Wirbelkörpermorphologie darstellen, sondern auch okkulte Phänotypen enthalten, die mit zukünftigen Frakturen assoziiert sind, wie Veränderungen der Endplatte, eine durchscheinende Knochenstruktur, leichte Keilformung oder eine Fehlstellung der Achse⁵. Frühere Studien konzentrierten sich überwiegend auf die Detektion bestehender Wirbelkörperfrakturen, die Diagnose von Osteoporose oder die Risikobewertung mittels manuell ermittelter Parameter^6,7. Neuere Belege zeigen, dass mittels Deep Learning identifizierte prävalente Wirbelkörperfrakturen und Osteoporose in seitlichen Wirbelsäulenaufnahmen zusammen mit klinischen Risikofaktoren die Vorhersage von incidenten Frakturen verbessern können⁵. Dennoch bleibt die Evidenz für die Vorhersage von incidenten Wirbelkörperfrakturen bei Patienten ohne vorhandene Zielwirbelfraktur zum Zeitpunkt der Basisuntersuchung unter Verwendung routinemäßiger lateraler Thorakolumbalaufnahmen und lokaler Deep-Learning-(DL-)Merkmale begrenzt. Künstliche-Intelligenz-Methoden wurden bereits für die Analyse spinaler Bildgebung eingesetzt, aber Studien, die direkt auf dieses spezifische klinische Szenario abzielen, sind weiterhin rar, und eine systematische Evaluierung der Kalibrierung, des Nettogewinns aus der Entscheidungsanalyse sowie einer zeitlich getrennten Validierung fehlt in diesem Kontext bislang weitgehend⁸.

Daher ist es schwierig, eine klinisch relevantere Frage zu beantworten: Können die durch maschinelles Lernen aus routinemäßigen lateralen Thorakolumbal-Röntgenaufnahmen extrahierten Merkmale unabhängige und aussagekräftige zusätzliche Informationen über die klinische Risikobewertung hinaus liefern⁹? Auf Grundlage der oben genannten Hintergründe verfolgte diese Studie ein einzentriges retrospektives Kohortendesign, extrahierte Merkmale mittels Deep Learning aus lateralen Thorakolumbal-Röntgenaufnahmen und kombinierte diese mit klinischen Risikofaktoren, um ein Risikovorhersagemodell für neu auftretende Wirbelkörperfrakturen innerhalb von zwei Jahren zu erstellen. Die Diskriminationsfähigkeit, Kalibrierung, Robustheit und der klinische Nutzen des Modells wurden mittels zeitlicher interner Validierung, Bootstrap-Optimismuskorrektur und Sensitivitätsanalyse bewertet. Die Studie konzentrierte sich auf individuelle Risikowarnungen anhand routinemäßiger Röntgenaufnahmen und integrierte okkulte lokale bildgebende Fragilitätsphänotypen sowie systemische klinische Anfälligkeitseigenschaften in ein interpretierbares Vorhersagewerkzeug, um eine Grundlage für die Identifizierung von Hochrisikopatienten, intensivierte Nachsorge und präventive Interventionen zu schaffen.

Protokoll

Diese Studie wurde vom Medizinischen Ethikkomitee des Achten Volkskrankenhauses von Shanghai, Shanghai, China, überprüft und genehmigt (Zulassungsnummer 2026-102-03-02). Da es sich bei dieser Studie um eine retrospektive Studie handelte und alle Daten vor der Analyse anonymisiert worden waren, verzichtete das Ethikkomitee auf die Einholung der informierten Einwilligung der Patienten.

Studienaufbau:

Studientyp

Diese Studie war eine einzentrische retrospektive Kohortenstudie, und die Studiendatenbank wurde mithilfe von Daten aus dem Bildarchivierungssystem (PACS), dem Informationssystem der Radiologie (RIS) und dem elektronischen Patientenakten-System des Krankenhauses erstellt. Die Studienpopulation umfasste aufeinanderfolgende Patienten, die am Krankenhaus eine digitale seitliche Röntgenuntersuchung des Thorax- und Lendenwirbelsäulenbereichs durchlaufen hatten. Der Einschlusszeitraum erstreckte sich vom 1. Januar 2018 bis zum 31. Dezember 2023, und die Nachbeobachtungsfrist endete am 31. Dezember 2025. Der Studienbericht folgte den Empfehlungen von TRIPOD+AI und STROBE, um die Standardisierung der Berichterstattung bei Prognosemodell-Studien, die künstliche Intelligenz betreffen, sowie bei Beobachtungsstudien sicherzustellen.

Studiensetting und Fallquelle

Die Fälle wurden aus dem routinemäßigen klinischen Diagnose- und Behandlungsprozess von ambulanten, Notfall- und stationären Patienten des Krankenhauses abgeleitet. Die Bilddaten stammten sämtlich aus den ursprünglichen DICOM-Dateien im PACS-System, und die klinischen Daten wurden aus strukturierten elektronischen Patientenakten, Laborsystemen und Verschreibungsunterlagen gewonnen. Als Basisdatum wurde das Datum der ersten seitlichen Thorakolumbal-Röntgenuntersuchung festgelegt, die während des Studienzeitraums die Einschlusskriterien erfüllte; wenn ein und derselbe Patient mehrere Untersuchungen aufwies, die die Kriterien erfüllten, wurde nur die früheste als Basisuntersuchung beibehalten, um eine mehrfache Einschreibung zu vermeiden. Alle Daten wurden vor der Analyse anonymisiert, und Bild- sowie klinische Informationen wurden mithilfe einer eindeutigen Studienkennnummer verknüpft.

Studienpopulation:

Einschlusskriterien

Die Einschlusskriterien waren wie folgt: Alter von 50 Jahren oder älter; Abschluss einer standardmäßigen stehenden lateralen digitalen Röntgenuntersuchung des thorakolumbalen Bereichs im Krankenhaus während des Studienzeitraums; Basislinienbildgebung im nachvollziehbaren DICOM-Format; vollständige Darstellung der Wirbel T10 bis L4 in der Basislinienbildgebung; keine bestehende Wirbelfraktur von T10 bis L4 bei der Beurteilung der Basislinienbildgebung; extrahierbare, vorab festgelegte klinische Basisliniendaten aus den elektronischen Patientenakten; mindestens eine Nachuntersuchung mittels thorakolumbaler Röntgenaufnahme, CT oder MRT innerhalb von 24 Monaten nach der Basislinie oder das Auftreten einer bildgebend bestätigten neuen Wirbelfraktur innerhalb von 24 Monaten nach der Basislinie.

Ausschlusskriterien

Die Ausschlusskriterien waren wie folgt: Wirbelkörperfraktur von T10 bis L4 im Ausgangszustand; ein eindeutiger Befund einer hochenergetischen, gewaltsamen Verletzung im Ausgangszustand oder während der Nachbeobachtung; primärer oder metastasierender spinaler Tumor, spinale Infektion oder destruktive Knochenerkrankung; vorherige thorakolumbale instrumentelle Fixation, Vertebroplastie oder Kyphoplastie; Skoliose mit einem Cobb-Winkel größer als 30° oder offensichtliche kyphotische Deformität (einschließlich kyphotischer Deformität vom Scheuermann-Typ, falls vorhanden), die eine genaue Identifizierung der Endplatten von T10 bis L4 verhinderte; offensichtliche Bewegungsartefakte, abnorme Belichtung, metallische Überlagerung oder unzureichender Darstellungsbereich in der Bildgebung; Unfähigkeit, wichtige Basisvariablen oder Ergebnisinformationen aus den elektronischen Patientenakten zu bestätigen.

Prozess zur Konstruktion einer retrospektiven Kohorte

Die Studienpopulationsscreening wurde unabhängig voneinander von zwei Forschern gemäß den vorab festgelegten Kriterien durchgeführt, und Unstimmigkeiten wurden durch Diskussion zur Erreichung eines Konsenses behoben. Nach Abschluss des Fall-Screenings erfolgte die Zeitreiheneinteilung entsprechend dem Basisliniendatum: Die Patienten, die vom 1. Januar 2018 bis zum 31. Dezember 2021 eingeschlossen wurden, bildeten die Entwicklungsgruppe zur Merkmalsauswahl und Modellerstellung; die Patienten, die vom 1. Januar 2022 bis zum 31. Dezember 2023 eingeschlossen wurden, bildeten die interne Validierungsgruppe zur Bewertung der Modellleistung. Die zeitliche Aufteilung anstelle einer zufälligen Aufteilung kann das Risiko von Informationslecks verringern und entspricht eher dem realen Anwendungsszenario des Modells bei nachfolgenden Patienten. Der Prozess der Studienpopulationsscreening wird in Form eines Flussdiagramms dargestellt.

Primäres Ergebnis und dessen Bestimmung:

Definition des primären Endpunkts

Das primäre Ergebnis dieser Studie war die erste auftretende Wirbelfraktur im Bereich T10 bis L4 innerhalb von 24 Monaten nach der Basislinie. Das vorgegebene Vorhersagezeitfenster der Studie betrug 2 Jahre, und die Modellausgabe war die individuelle Wahrscheinlichkeit für das Auftreten einer Wirbelfraktur innerhalb von 2 Jahren.

Kriterien zur Bestimmung einer traumatisch bedingten Wirbelfraktur

Ein vorliegender Wirbelkörperbruch wurde wie folgt definiert: Im Vergleich zur Basislinienbildgebung zeigte die Nachuntersuchungsbildgebung eine Abnahme der vorderen, mittleren oder hinteren Höhe eines Wirbelkörpers von T10 bis L4 um 20 % oder mehr, verbunden mit einer absoluten Höhenabnahme von mindestens 4 mm, oder das Auftreten eines neuen Endplattenkollapses oder einer kortikalen Unterbrechung¹⁰. Die Beurteilung des Ergebnisses erfolgte umfassend anhand von Nachuntersuchungs-Röntgenaufnahmen des Thorax- und Lendenbereichs, CT- und MRT-Bildern. Die Bildauswertung wurde unabhängig voneinander durch zwei Muskuloskelettradiologen mit 8 bzw. 12 Jahren relevanter diagnostischer Erfahrung durchgeführt; keiner hatte während der Bildauswertung Zugang zu klinischen Daten oder Modellergebnissen. Bei Uneinigkeit erfolgte die Entscheidung durch einen erfahrenen Muskuloskelettradiologen mit 18 Jahren Berufserfahrung. Wirbelkörperbrüche, die durch Tumore, Infektionen oder hochenergetische Gewalteinwirkung verursacht wurden, wurden nicht als Ergebnisereignisse gezählt.

Zeitpunkt des Beginns, Endes und Beobachtungsfenster der Nachuntersuchung

Der Zeitpunkt des Beginns der Nachuntersuchung war das Datum der basaalen lateralen Röntgenuntersuchung des Thorakolumbalsegments. Der Endpunkt der Nachuntersuchung wurde als der früheste der folgenden Zeitpunkte definiert: das Datum des ersten auftretenden Wirbelkörperbruchs, 24 Monate nach der Basisuntersuchung, das Datum der letzten spinalen Bildgebung, die das Fehlen eines Wirbelkörperbruchs bestätigte, oder das Datum des Todes. Brüche, die erstmals nach 24 Monaten auftraten, wurden nicht in das primäre Ergebnis einbezogen. Patienten ohne Ereignisse hinsichtlich des Endpunkts galten als zensiert.

Erhebung klinischer Daten und Definition von klinischen Zielvariablen:

Demografische und allgemeine klinische Daten

Die basale klinische Daten wurden von zwei Forschern gemäß einem einheitlichen Fallberichtsbogen aus dem elektronischen Krankenakten-System extrahiert, ohne während der Extraktion die Ergebnisse der Outcome-Bestimmung einzusehen. Die erfassten demografischen und allgemeinen klinischen Daten umfassten Alter, Geschlecht, Körpergröße, Körpergewicht und Body-Mass-Index. Das Alter wurde als das tatsächliche Alter zum Zeitpunkt des Basalstatus definiert; Gewicht und Körpergröße wurden aus dem Eintrag entnommen, der innerhalb von 30 Tagen vor oder nach dem Basalzeitpunkt dem Basalzeitpunkt am nächsten lag; der Body-Mass-Index wurde berechnet als das Gewicht geteilt durch das Quadrat der Körpergröße in Kilogramm pro Quadratmeter.

Medizinische Anamnese, Medikamenteneinnahme und datenbezogene Knochenstoffwechsel

Basierend auf klinischer Verfügbarkeit und Übertragbarkeit des Modells wurden die folgenden klinischen Risikofaktoren a priori zur Aufnahme festgelegt: Anamnese einer vorherigen Fragilitätsfraktur, Typ-2-Diabetes mellitus, rheumatoide Arthritis, chronische orale Glukokortikoidtherapie und antiosteoporotische Behandlung zum Studienbeginn. Standardisierte Messungen der Knochendichte und der FRAX-Score wurden nicht als vorgegebene Prädiktoren festgelegt, da sie nicht einheitlich als standardisierte Basisvariablen für die gesamte Kohorte verfügbar waren; stattdessen wurden mehrere klinische Faktoren im Zusammenhang mit FRAX separat als individuelle Kandidatenvariablen berücksichtigt. Die Anamnese einer vorherigen Fragilitätsfraktur, die Diagnose zugrundeliegender Erkrankungen sowie Medikationsinformationen wurden alle aus elektronischen Patientenakten, Entlassungsberichten und Verschreibungssystemen vor dem Studienbeginn abgeleitet, und es wurde gefordert, dass alle Variablen vor dem Studienbeginn bestanden, um sicherzustellen, dass die Prädiktoren zeitlich vor dem Outcome-Ereignis lagen.

Definitionskriterien für klinische Variablen

Die Anamnese einer vorherigen Fragilitätsfraktur wurde definiert als eine Fraktur nach dem 40. Lebensjahr, verursacht durch ein Trauma geringer Energie, und eindeutig in der Krankenakte dokumentiert; Frakturen des Schädels, der Gesichtsbeine, der Fingerknochen und der Zehenknochen wurden von dieser Definition ausgeschlossen. Typ-2-Diabetes mellitus wurde definiert als eine eindeutige, vor dem Basiszeitpunkt dokumentierte Diagnose oder eine langfristige Einnahme von blutzuckersenkenden Medikamenten. Rheumatoide Arthritis wurde definiert als eine klare Diagnose, die von einem Facharzt für Rheumatologie in der Krankenakte gestellt wurde. Die chronische orale Gabe von Glukokortikoiden wurde definiert als eine Prednison-äquivalente Dosis von mindestens 5 mg/Tag über einen Zeitraum von mindestens 3 Monaten innerhalb des Jahres vor dem Basiszeitpunkt. Eine antiosteoporotische Behandlung zum Basiszeitpunkt wurde definiert als kontinuierliche Anwendung eines der folgenden Wirkstoffe – Bisphosphonate, Denosumab, Teriparatid, Raloxifen, Calcitonin, Alfacalcidol oder Calcitriol – innerhalb von 3 Monaten vor dem Basiszeitpunkt über eine Dauer von mindestens 8 Wochen. Alter und Body-Mass-Index wurden in der Modellierung als kontinuierliche Variablen behandelt und nicht künstlich kategorisiert.

Bildgebungsdatenaufnahme und Bildvorverarbeitung

Protokoll zur Aufnahme von lateralen Thorakolumbal-Röntgenbildern

Alle Basislinienbilder waren standardmäßige seitliche Thorakolumbal-Röntgenaufnahmen im Stehen, die mit dem digitalen Radiographiesystem des Krankenhauses angefertigt wurden. Während der Untersuchung nahmen die Patienten eine natürliche Standposition ein, wobei beide oberen Extremitäten nach vorne gebeugt wurden, um eine Überlappung der Schultern zu vermindern; der Bildgebungsbereich reichte von T10 bis L4. Für die Untersuchung wurde eine automatische Belichtungssteuerung verwendet, mit einer Röhrenspannung von 80–95 kV und einem Abstand zwischen Strahlenquelle und Detektor von 110 cm. Bei denselben Patienten wurde, falls am Basislinientermin mehrere geeignete seitliche Röntgenaufnahmen verfügbar waren, diejenige mit vollständigem Darstellungsbereich und bester Bildqualität als Analyseobjekt ausgewählt.

Bildausschlusskriterien und Qualitätskontrolle

Die Basislinienbilder mussten die folgenden Qualitätsanforderungen erfüllen: vollständige Darstellung der Wirbel T10 bis L4 sowie deren oberer und unterer Endplatten; klare Wirbelkörper-Anterior- und -Posteriorränder, Endplatten und kortikale Begrenzungen; keine offensichtlichen Bewegungsartefakte; keine starke Über- oder Unterbelichtung; keine großflächige Metallverdeckung; sowie keine offensichtliche morphologische Verzerrung aufgrund einer Rotationsstellung des Körpers. Bilder mit schweren degenerativen Veränderungen oder Osteophyten, die eine zuverlässige Identifizierung der Wirbelränder oder Endplatten verhinderten, wurden ebenfalls ausgeschlossen. Zwei Muskuloskelettspezialisten führten die Qualitätsprüfung aller Basislinienbilder durch, und jedes Bild, das auch nur ein wesentliches Qualitätskriterium nicht erfüllte, wurde ausgeschlossen.

Bildvorverarbeitung und Standardisierung

Alle DICOM-Bilder wurden vor der Analyse anonymisiert. Die Vorverarbeitungsschritte umfassten die Vereinheitlichung der Bildorientierung, eine Neubewertung auf eine räumliche Auflösung von 0,30 mm × 0,30 mm, die Begrenzung der Grauwerte auf den Bereich zwischen dem 0,5.^ten und dem 99,5.^ten Perzentil sowie die Standardisierung der Pixelwerte auf das Intervall 0–1 mithilfe der Min-Max-Normalisierungsmethode. Der oben beschriebene Vorverarbeitungsworkflow wurde sowohl in der Entwicklungsgruppe als auch in der Validierungsgruppe einheitlich beibehalten und vollständig automatisch durch vordefinierte Skripte durchgeführt, um Verzerrungen durch manuelle Eingriffe zu minimieren.

Extraktion von Bildmerkmalen mittels Deep Learning:

Bestimmung des interessierenden Bereichs

Die Region von Interesse war der seitliche Projektionsbereich der Wirbelsäule zwischen der oberen Endplatte von T10 und der unteren Endplatte von L4. Ein muskuloskelettaler Radiologe mit 8-jähriger Erfahrung führte die rechteckige Box-Anmerkung aller Basislinienbilder in der ITK-SNAP-Software durch, wobei die vordere Grenze 5 mm vor dem vorderen Wirbelrand und die hintere Grenze 5 mm hinter dem hinteren Wirbelrand festgelegt wurde¹¹; ein weiterer muskuloskelettaler Radiologe mit 12-jähriger Erfahrung überprüfte die Bilder fallweise. Die ROI war eine rechteckige Box auf Regionsebene und keine exakte Segmentierung der Wirbelkontur; daher wurden häufige marginale Osteophyten nicht separat entfernt und konnten teilweise einbezogen werden, sofern sie innerhalb der vorgegebenen Grenze lagen, während Fälle mit degenerativen Veränderungen, die stark genug waren, um die Wirbelränder oder Endplatten zu verdecken, bereits während der Bildqualitätsüberprüfung ausgeschlossen worden waren. Um die Reproduzierbarkeit der Regionsanmerkung zu bewerten, wurden 50 Bilder zufällig ausgewählt und vom selben Radiologen nach 4 Wochen erneut annotiert sowie unabhängig davon vom zweiten Radiologen erneut annotiert, um anschließend eine Analyse der Merkmalstabilität durchzuführen. Nach dem Zuschneiden der ROI wurden alle Bilder einheitlich auf 224 × 224 Pixel skaliert.

Architektur des Deep-Learning-Modells und Prozess der Merkmalsextraktion

In dieser Studie wurde das ResNet50-Convolutional-Neural-Network als Deep-Learning-Feature-Extraktor verwendet. Die Netzwerkparameter wurden mit vortrainierten ImageNet-Gewichten initialisiert, und eine selbstüberwachte Domänenanpassung wurde an allen Basis-ROI-Bildern des Herleitungs-Kohortenkollektivs durchgeführt, ohne dabei Ergebnislabels im Anpassungsprozess zu verwenden. Konkret kam eine kontrastive, selbstüberwachte Aufgabe zum Einsatz, bei der zwei unabhängig augmentierte Ansichten, die aus demselben ROI-Bild erzeugt wurden, als positives Paar betrachtet wurden, während Ansichten von verschiedenen Patienten innerhalb desselben Mini-Batches als negative Paare galten, sodass sich der Encoder an die Verteilung der Studienbilder anpassen konnte. Für das Modelltraining wurde der AdamW-Optimierer verwendet, mit einer anfänglichen Lernrate von 1 × 10^-4, einer Batch-Größe von 64 und 200 Trainingsepochen; während des Trainings wurde Data Augmentation mit einer Rotation von ±5°, einer Skalierung um den Faktor 0,9–1,1, einer Translation um maximal 10 Pixel sowie einer Kontraststörung von ±10%¹² durchgeführt. Diese Augmentierungen dienten der Erzeugung von gepaarten Ansichten für die selbstüberwachte Aufgabe, und in diesem Stadium wurden ausschließlich unmarkierte Bilder aus dem Herleitungs-Kohortenkollektiv verwendet. Nach der Domänenanpassung erfolgte keine überwachte Feinabstimmung anhand der Ergebnisvariablen, und der angepasste Encoder-Backbone wurde für die Merkmalsextraktion fixiert. Nach Abschluss der Domänenanpassung wurde der 2.048-dimensionale Vektor, der von der globalen Durchschnittspooling-Schicht ausgegeben wurde, als potenzielles Deep-Learning-Feature für jeden Patienten extrahiert.

Bildgebungsmerkmals-Screening und Dimensionsreduktion

Zunächst wurde der Intraklassenkorrelationskoeffizient (ICC) der Merkmale basierend auf den 50 Bildern mit wiederholter Annotation berechnet, und Merkmale mit einem intra- und interobserverlichen ICC von mindestens 0,80 wurden beibehalten, um die Stabilität der Merkmale gegenüber geringfügigen ROI-Variationen sicherzustellen. Anschließend wurden die beibehaltenen Merkmale im Entwicklungs-Kollektiv anhand der Z-Score-Standardisierung transformiert, Merkmale mit Null-Varianz entfernt, und bei Merkmalen mit einem absoluten paarweisen Korrelationskoeffizienten größer als 0,90 wurde nur eines beibehalten. Schließlich wurde eine LASSO-Cox-Regression zur Merkmalsauswahl verwendet, wobei der Strafparameter anhand der 1-SE-Regel mittels 10-facher Kreuzvalidierung bestimmt wurde. Merkmale mit nicht-null Regressionskoeffizienten wurden gemäß ihren Koeffizienten gewichtet und summiert, um den Deep-Learning-Score (DL-Score)¹³ zu konstruieren. Nachdem diese Bewertungsformel im Entwicklungs-Kollektiv festgelegt war, blieb sie unverändert und wurde direkt auf das interne Validierungskollektiv angewandt.

Vorverarbeitung und Integration von Kandidatenprädiktoren:

Umgang mit fehlenden Daten und Datenstandardisierung

Alle kandidatenbezogenen klinischen Variablen wurden aus strukturierten Feldern der medizinischen Dokumentation gewonnen. Variablen mit einer Fehlerrate von über 20 % wurden vom Modellierungsprozess ausgeschlossen. Die verbleibenden fehlenden Werte wurden mittels multipler Imputation durch verkettete Gleichungen behandelt, wobei 10 imputierte Datensätze generiert wurden; das Imputationsmodell enthielt alle kandidatenbezogenen Prädiktoren, die Outcome-Indikatorvariable sowie die Nelson-Aalen-Schätzung des kumulativen Hazards, um die Informationen zum Zeitpunkt des Eintritts des Ereignisses so weit wie möglich zu bewahren. Stetige klinische Variablen und der DL-Score wurden anhand des Mittelwerts und der Standardabweichung der Entwicklungsgruppe standardisiert, und dieselben Transformationsparameter wurden auf die Validierungsgruppe angewandt; binäre Variablen wurden einheitlich als 0 oder 1 codiert.

Auswahl klinischer Risikofaktoren

Die vorab festgelegte Spezifikation klinischer Risikofaktoren basierte auf klinischer Interpretierbarkeit, bisherigen Belegen und Datenverfügbarkeit; eine Screening-Methode anhand von Einzelvariablen-P-Werten wurde nicht angewandt. Die klinischen Variablen, die in die LASSO-Cox-Auswahl eingingen, waren Alter, Geschlecht, Body-Mass-Index, Vorgeschichte fragiler Frakturen, Typ-2-Diabetes mellitus, rheumatoide Arthritis, chronische orale Glukokortikoidanwendung und antiosteoporotische Basistherapie; Körpergröße und Körpergewicht wurden deskriptiv erfasst und zur Berechnung des Body-Mass-Index verwendet, jedoch nicht separat in die Modellierung einbezogen. Die LASSO-Cox-Regression wurde separat in den 10 imputierten Datensätzen der Entwicklungsgruppe durchgeführt, wobei der Strafparameter mittels 10-facher Kreuzvalidierung ausgewählt wurde; Variablen mit nicht-null-Koeffizienten in mindestens 7 imputierten Datensätzen gingen in das endgültige klinische Modell ein. Alter und Body-Mass-Index wurden beide hinsichtlich nichtlinearer Zusammenhänge mittels restriktiver kubischer Splines geprüft; falls der nichtlineare Term statistisch nicht signifikant war, wurde die lineare Form beibehalten. Multikollinearität wurde anhand des Varianzinflationsfaktors überprüft, und Variablen mit einem Varianzinflationsfaktor größer als 5 wurden nicht gleichzeitig beibehalten.

Aufbau des kombinierten Prädiktorensatzes

Um eine Überanpassung zu vermeiden, die durch die direkte Eingabe hochdimensionaler bildgebender Merkmale in das Modell entstehen könnte, wurde die Deep-Learning-Information zunächst in eine einzige kontinuierliche Variable, die DL-Score, komprimiert und anschließend gemeinsam mit den ausgewählten klinischen Risikofaktoren in ein kombiniertes Modell aufgenommen. Im kombinierten Modell wurden keine Wechselwirkungsterme vorab festgelegt, um die Sparsamkeit und Interpretierbarkeit des Modells zu bewahren. Der endgültige Satz kombinierter Prädiktoren bestand aus dem DL-Score und den beibehaltenen klinischen Variablen.

Konstruktion des Risikovorhersagemodells:

Modellierungsstrategie

In der Herleitungs-Kohorte wurden das klinische Modell, das Deep-Learning-Modell und das kombinierte Modell separat erstellt. Für die Modelle wurde eine Cox-Regression mit proportionalen Hazards verwendet, wobei der erste auftretende fragilitätsbedingte Wirbelkörperbruch innerhalb von 24 Monaten nach der Basislinie als Studienendpunkt diente; die Zensierungsregeln sind in der oben beschriebenen Nachbeobachtungsdefinition erläutert. Um eine Überanpassung zu vermeiden, wurde die Komplexität des kombinierten Modells vor der Modellierung eingeschränkt, und ein relativ hohes Verhältnis von Ereignissen pro Parameter wurde so weit wie möglich beibehalten. Die endgültigen Regressionskoeffizienten und Standardfehler jedes Modells wurden separat in den 10 imputierten Datensätzen geschätzt und anschließend nach den Rubin-Regeln zusammengefasst. Die Baseline-Gefährdungsfunktion wurde nach der Breslow-Methode geschätzt, und die individuelle 2-Jahres-Risikowahrscheinlichkeit wurde berechnet.

Aufbau des klinischen Modells

Das klinische Modell umfasste die klinischen Risikofaktoren, die nach der LASSO-Cox-Auswahl beibehalten wurden. Alle stetigen Variablen blieben in stetiger Form und wurden nicht dichotomisiert. Nach der Modellanpassung wurde die Annahme proportionaler Hazardraten mittels Schoenfeld-Residuen überprüft; für Variablen, die die Annahme proportionaler Hazardraten nicht erfüllten, wurde ein Interaktionsterm mit ln(Zeit) zur Korrektur hinzugefügt. Das klinische Modell diente dazu, die Vorhersagekraft traditioneller klinischer Informationen für das Auftreten von Wirbelkörperfrakturen zu charakterisieren.

Aufbau des Deep-Learning-Bildgebungsmodells

Das Deep-Learning-Modell wurde als Cox-Regressionsmodell mit proportionalen Hazards unter Verwendung des DL-Scores als einziger Prädiktor etabliert, um die Vorhersagefähigkeit von Deep-Learning-Merkmalen aus einem initialen lateralen Thorakolumbal-Röntgenbild bezüglich des Risikos für eine neue Wirbelkörperfraktur innerhalb von 2 Jahren zu quantifizieren. Dieses Modell berücksichtigte keine klinischen Informationen und diente somit als bildgebendes unimodales Modell zum Vergleich mit den anderen Modellen.

Konstruktion des kombinierten Modells

Dem klinischen Modell wurde das DL-Score hinzugefügt, wodurch das kombinierte Modell erstellt wurde, das auf tiefenlernbasierten Merkmalen aus seitlichen Röntgenaufnahmen des thorakolumbalen Bereichs in Kombination mit klinischen Risikofaktoren basiert. Nach der Erstellung des kombinierten Modells wurde anhand seiner Regressionskoeffizienten ein Nomogramm für die Risikoschätzung über einen Zeitraum von 2 Jahren angefertigt, um individuelle Risikobewertungen und die klinische Anwendung darzustellen.

Interne Validierung und Leistungsbewertung des Modells:

Interne Validierungsmethode

Die interne Validierung verwendete eine zeitlich getrennte, einzentrische interne Validierungsstrategie. Alle im Ableitungskollektiv erstellten Modelle wurden direkt auf das Validierungskollektiv angewandt, das vom 1. Januar 2022 bis zum 31. Dezember 2023 rekrutiert wurde, nachdem die Parameter festgelegt und ohne erneutes Anpassen übernommen wurden. Zusätzlich wurden innerhalb des Ableitungskollektivs 1.000 Bootstrap-Stichproben gezogen, um optimistischkeitskorrigierte Leistungsschätzungen zu erhalten und so die Modellstabilität zu bewerten.

Bewertung der Diskriminierung

Die Modell-Diskriminierung wurde mittels des Harrell-Konkordanzindexes und der zeitabhängigen AUC nach 2 Jahren bewertet, die beide basierend auf der Methode der inversen Wahrscheinlichkeitsgewichtung bei Zensur berechnet wurden und jeweils mit 95-%-Konfidenzintervallen angegeben sind. Eine höhere Diskriminierung bedeutet, dass das Modell besser in der Lage ist, Personen voneinander zu unterscheiden, bei denen in Zukunft eine neue Wirbelfraktur auftreten wird oder nicht. Unterschiede in der Diskriminierung zwischen den Modellen wurden mittels der Bootstrap-Methode mit 95-%-Konfidenzintervallen berechnet.

Beurteilung der Kalibrierung

Die Modellkalibrierung wurde anhand der Kalibrierungskurve für das 2-Jahres-Risiko, des Kalibrierungsachsenabschnitts, der Kalibrierungssteigung und der Brier-Score für 2 Jahre bewertet. Die Kalibrierungskurve wurde basierend auf Dezilen des vorhergesagten Risikos erstellt und mittels Bootstrap-Korrektur angepasst. Ein Kalibrierungsachsenabschnitt nahe 0, eine Kalibrierungssteigung nahe 1 und eine niedrigere Brier-Score weisen auf eine gute Übereinstimmung zwischen dem vorhergesagten Risiko und dem tatsächlich beobachteten Risiko hin.

Auswertung des klinischen Anwendungswerts

Der klinische Anwendungswert des Modells wurde mittels einer zweijährigen Entscheidungskurvenanalyse bewertet, die den Nettovorteil bei verschiedenen Schwellenwahrscheinlichkeiten verglich. Der Bereich der Schwellenwahrscheinlichkeit wurde im Voraus auf 0,05–0,30 festgelegt, um das Risikointervall abzudecken, das klinisch für eine intensivierte Nachsorge, eine weitere Knochendurchmusterung oder ein interventionelles Management verwendet werden könnte¹⁴. Ein Modell mit einem höheren Nettovorteil galt als besserer klinischer Entscheidungsunterstützungswert.

Modellvergleich und Bestimmung des besten Modells

Das klinische Modell, das Deep-Learning-Modell und das kombinierte Modell wurden umfassend hinsichtlich Diskriminierung, Kalibrierung, Brier-Score und Entscheidungskurve verglichen. Der Zugewinn des kombinierten Modells gegenüber dem klinischen Modell wurde weiter quantifiziert mittels der netto-Reklassifizierungsverbesserung und der integrierten Diskriminierungsverbesserung, jeweils zeitabhängig über 2 Jahre. Das beste Modell wurde a priori als dasjenige festgelegt, das gleichzeitig eine höhere Diskriminierung, eine gute Kalibrierung, einen geringeren Vorhersagefehler und einen größeren Nettovorteil aufwies.

Statistische Analyse:

Kontinuierliche Variablen wurden zunächst mittels des Shapiro-Wilk-Tests auf ihr Verteilungsmuster überprüft; solche, die einer Normalverteilung entsprachen, wurden als Mittelwert ± Standardabweichung angegeben, während solche mit schiefer Verteilung als Median und Interquartilbereich berichtet wurden; kategoriale Variablen wurden als Anzahl der Fälle und Prozentangabe dargestellt. Der Vergleich der Basislinienmerkmale zwischen der Entwicklungs- und der Validierungsgruppe erfolgte mittels des t-Tests für unabhängige Stichproben, des Mann-Whitney-U-Tests, des χ²-Tests bzw. des exakten Fisher-Tests. Die Vergleiche zur Basislinie dienten lediglich der Beschreibung der Kohortenmerkmale und wurden nicht als Grundlage für die Variablenselektion herangezogen. Alle statistischen Tests waren zweiseitig, und ein P < 0,05 galt als statistisch signifikant. Die statistischen Analysen wurden in der R-Software durchgeführt, hauptsächlich unter Verwendung der Pakete survival, glmnet, mice, rms, timeROC und rmda; die Bildvorverarbeitung und die Deep-Learning-Analyse wurden in der Python- und PyTorch-Umgebung durchgeführt. Zur Beurteilung der Robustheit der Ergebnisse wurde zusätzlich eine Analyse der vollständigen Fälle als Sensitivitätsanalyse durchgeführt.

Ergebnisse

Prozess zur retrospektiven Kohortenkonstruktion und Baseline-Charakteristika der Kohorten

Während des Studienzeitraums wurden laterale Röntgenaufnahmen des Thorax- und Lendenbereichs ausgewertet, und nach Entfernung von Dubletten wurden 6.114 Patienten zur Einschreibung für die Studie herangezogen. Nach schrittweiser Ausschluss von Patienten im Alter von < 50 Jahren, von Personen mit bestehenden Frakturen zum Zeitpunkt der Basislinie sowie von Patienten mit unzureichender Nachuntersuchung wurden insgesamt 2.173 Patienten endgültig eingeschlossen, darunter 1.449 in der Entwicklungs-Kohorte und 724 in der internen Validierungs-Kohorte (Abbildung 1). Die Verteilung der Basislinienmerkmale war zwischen der Entwicklungs-Kohorte und der internen Validierungs-Kohorte im Allgemeinen ausgewogen, und es bestanden keine statistisch signifikanten Unterschiede hinsichtlich Alter, Geschlecht, Body-Mass-Index oder wichtiger klinischer Risikofaktoren (alle P > 0,05). Die mediane Nachbeobachtungszeit betrug in den beiden Kohorten jeweils 23,4 Monate und 23,1 Monate; es traten jeweils 131 und 63 neue Wirbelfrakturen auf; die kumulative Inzidenz nach zwei Jahren lag bei 9,21 % bzw. 8,91 %, ohne statistisch signifikanten Unterschied (P = 0,812) (Tabelle 1).

Auswahl klinischer Risikofaktoren, Bildgebungsbefunde-Screening und Konstruktion des Risikovorhersagemodells

Nach der LASSO-Cox-Auswahl erreichten Alter, weibliches Geschlecht, Body-Mass-Index, Vorgeschichte von Fragilitätsfrakturen, Typ-2-Diabetes mellitus und chronische orale Glukokortikoidanwendung die vorgegebene Inklusionsfrequenzschwelle; nach schrittweiser Prüfung von 2048 Deep-Learning-Merkmalen wurden 5 Merkmale mit nicht-null Koeffizienten bei λ1se beibehalten, um den DL-Score zu konstruieren (Abbildung 2A–C). Basierend auf den ausgewählten klinischen Variablen und dem DL-Score wurden das klinische Modell, das Deep-Learning-Modell und das kombinierte Modell weiterentwickelt. Die multivariable Cox-Regression zeigte, dass die oben genannten klinischen Variablen alle mit dem Risiko für eine neue Wirbelkörperfraktur innerhalb von 2 Jahren assoziiert waren (alle P < 0,05); nach Hinzufügung des DL-Scores zum klinischen Modell blieb dieser ein unabhängiger Prädiktor im kombinierten Modell (HR = 1,64, 95 % KI 1,34–2,01, P < 0,001) (Tabelle 2). Dementsprechend wurde ein Nomogramm des kombinierten Modells zur individuellen Abschätzung des 2-Jahres-Risikos für eine neue Wirbelkörperfraktur erstellt; je höher die Gesamtpunktzahl, desto höher das vorhergesagte Risiko (Abbildung 2D).

Interne Validierung und Leistungsbewertung des Modells

Nach der Bootstrap-Optimismuskorrektur in der Entwicklungsgruppe behielt das kombinierte Modell weiterhin die beste Vorhersageleistung. Die interne Validierung zeigte, dass der C-Index und der AUC₂y des kombinierten Modells bei 0,759 bzw. 0,774 lagen, beide Werte höher als die des klinischen Modells; sein Brier₂y war am niedrigsten (0,077), der Kalibrierungs-Intercept lag nahe bei 0 und die Kalibrierungs-Slope nahe bei 1, was darauf hindeutet, dass dieses Modell eine gute Diskriminierung und Kalibrierung aufwies (Tabelle 3). In der Entwicklungsgruppe lagen sowohl die scheinbare Kalibrierungskurve als auch die bootstrap-bias-korrigierte Kurve nahe an der idealen Linie. In der internen Validierungsgruppe stimmte das vorhergesagte 2-Jahres-Risiko im Allgemeinen mit dem Kaplan-Meier-beobachteten Risiko überein, und die Kalibrierungspunkte nach Dezilen verteilten sich nahe an der idealen Linie, was darauf hindeutet, dass das kombinierte Modell eine gute Kalibrierung des 2-Jahres-Risikos aufwies (Abbildung 3A, B).

Modellvergleich und Bewertung des klinischen Anwendungswerts

Im Vergleich zum klinischen Modell erzielte das kombinierte Modell sowohl in der Entwicklungsgruppe als auch in der internen Validierungsgruppe eine signifikante Verbesserung der Netto-Reklassifizierung und der Diskriminierung, mit NRI₂y-Werten von 0,316 bzw. 0,241 und IDI₂y-Werten von 0,047 bzw. 0,033 (alle P < 0,01) (Tabelle 4). In der Entwicklungsgruppe und der internen Validierungsgruppe erreichte das kombinierte Modell im vorgegebenen Schwellenwahrscheinlichkeitsbereich von 0,05–0,30 im Allgemeinen den höchsten Nutzen, und seine Entscheidungskurve lag größtenteils über den Kurven „Alle behandeln“ und „Keinen behandeln“, was auf einen besseren klinischen Anwendungswert hindeutet (Abbildung 4A, B).

Ergebnisse der Sensitivitätsanalyse

Die Sensitivitätsanalyse mit vollständigen Fällen zeigte, dass die Schlussfolgerungen der primären Analyse im Wesentlichen stabil blieben. Sowohl in der Entwicklungs-Kohorte als auch in der internen Validierungskohorte waren der C-Index und der AUC₂y des kombinierten Modells höher als die des klinischen Modells, und der Brier₂y war niedriger; sein Kalibrierungsinterzept und die Kalibrierungssteigung in der internen Validierungskohorte betrugen jeweils 0,019 und 0,964, was auf eine gute Robustheit des Modells hindeutet (Tabelle 5). Während der Nachbeobachtungszeit wurden 27 Todesfälle in der Entwicklungs-Kohorte und 13 Todesfälle in der internen Validierungskohorte erfasst. In der Fine–Gray-Konkurrenzrisiko-Sensitivitätsanalyse, bei der der Tod als konkurrierendes Ereignis behandelt wurde, war der DL-Score im kombinierten Modell weiterhin unabhängig mit neu aufgetretenen Wirbelfrakturen assoziiert (subdistributives HR = 1,58, 95 % KI 1,28–1,95, P < 0,001), und die Gesamtschlussfolgerungen blieben unverändert.

Zusammenfassend zeigte das kombinierte Modell, das den Deep-Learning-Score aus den Basis-Thorakolumbaler-Lateral-Röntgenaufnahmen mit ausgewählten klinischen Risikofaktoren integriert, die beste Gesamtleistung bei der Vorhersage von neuen Wirbelkörperfrakturen innerhalb von 2 Jahren. Im Vergleich zum klinischen Modell wies es eine höhere Diskriminierung, bessere Kalibrierung, geringeren Vorhersagefehler, verbesserte Reklassifizierung und einen größeren Nettovorteil sowohl in der Entwicklungs- als auch in der internen Validierungsgruppe auf. Der unabhängige prädiktive Wert des Deep-Learning-Scores sowie die Konsistenz der Ergebnisse in den Analysen mit vollständigen Fällen und bei sensibilitätsbezogenen Konkurrenzrisiken untermauerten weiterhin die Robustheit der Hauptergebnisse.

VERFÜGBARKEIT VON DATEN:

Die Rohdaten wurden als Zusatzdatei 1 hochgeladen.

Abbildung 1. Flussdiagramm zur Screening der Studienpopulation. Bei denselben Patienten, für die mehrere Untersuchungen die Einschlusskriterien erfüllten, wurde nur die früheste als Basisuntersuchung berücksichtigt. Jede Ausschlussursache wurde nacheinander gemäß der vorgegebenen Reihenfolge angewendet, und jeder Patient wurde nur einmal aufgrund eines Ausschlusses gezählt. Bitte klicken Sie hier, um eine vergrößerte Version dieser Abbildung anzusehen.

Abbildung 2. LASSO-Cox-Auswahl klinischer Risikofaktoren, Merkmale des Deep Learnings und Nomogramm des kombinierten Modells. (A) Eintrittshäufigkeit kandidierender klinischer Variablen in 10 imputierten Datensätzen, wobei die gestrichelte Linie die 70 %-Schwelle angibt. (B) LASSO-Cox-Koeffizientenpfade der Merkmale des Deep Learnings. (C) Partielle Likelihood-Abweichungskurve aus der 10-fachen Kreuzvalidierung, wobei die vertikalen gestrichelten Linien λmin bzw. λ1se angeben. (D) Nomogramm für das 2-Jahres-Risiko im kombinierten Modell; jeder Prädiktor entspricht einer bestimmten Punktzahl, und die Punkte werden summiert, um die Gesamtpunktzahl zu erhalten, die anschließend in das individuelle 2-Jahres-Risiko für eine neue Wirbelfraktur umgewandelt wird. DL-Score, Deep-Learning-Score. Bitte klicken Sie hier, um eine vergrößerte Version dieser Abbildung anzusehen.

Abbildung 3. Kalibrierungskurven für das 2-Jahres-Risiko des kombinierten Modells in der Entwicklungs- und der internen Validierungskohorte. (A) Entwicklungs-Kohorte. (B) Interne Validierungs-Kohorte. Die Kalibrierungspunkte wurden entsprechend den Dezilen des vorhergesagten Risikos gebildet, und das beobachtete Risiko wurde mithilfe der Kaplan-Meier-Methode geschätzt. Bitte klicken Sie hier, um eine vergrößerte Version dieser Abbildung anzusehen.

Abbildung 4. Entscheidungskurvenanalyse der drei Modelle in der Entwicklungs- und der internen Validierungskohorte. (A) Entwicklungs-Kohorte. (B) Interne Validierungskohorte. Die horizontale Achse stellt die Schwellenwahrscheinlichkeit dar, die vertikale Achse den Nettonutzen. „Alle behandeln“ bedeutet Intervention für alle, „Keinen behandeln“ bedeutet Intervention für keinen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Variablenname	Fehlende Werte, n (%)	Ableitungs-Kohorte (n=1449)	Interne Validierungs-Kohorte (n=724)	P
Basischarakteristika
Stichprobengröße, n	—	1449	724	—
Alter, Jahre	0 (0,00)	68,41 ± 8,37	68,96 ± 8,56	0,155
Weiblich, n (%)	0 (0,00)	962 (66,39 %)	463 (63,95 %)	0,259
Körpergröße, cm	16 (0,74)	158,42 ± 7,91	157,98 ± 8,16	0,232
Körpergewicht, kg	21 (0,97)	59,76 ± 9,88	59,21 ± 10,14	0,23
Körpermasseindex, kg/m²	28 (1,29)	23,77 ± 3,28	23,69 ± 3,34	0,597
Anamnese vorheriger Fragilitätsfrakturen, n (%)	0 (0,00)	171 (11,80 %)	96 (13,26 %)	0,329
Typ-2-Diabetes mellitus, n (%)	0 (0,00)	303 (20,91 %)	158 (21,82 %)	0,624
Rheumatoide Arthritis, n (%)	0 (0,00)	49 (3,38 %)	29 (4,01 %)	0,461
Chronischer oraler Glukokortikoidgebrauch, n (%)	0 (0,00)	65 (4,49 %)	38 (5,25 %)	0,43
Basis-Therapie gegen Osteoporose, n (%)	0 (0,00)	131 (9,04 %)	75 (10,36 %)	0,323
Beschreibung von Nachuntersuchung und Ergebnis
Nachuntersuchungszeit, Monate	0 (0,00)	23,4 [18,7, 24,0]	23,1 [18,4, 24,0]	0,341
Anzahl neuer Wirbelfrakturen, n	0 (0,00)	131	63	—
Kumulative Inzidenz neuer Wirbelfrakturen nach 2 Jahren, % (95 % KI)	—	9,21 (7,82, 10,60)	8,91 (6,79, 11,03)	0,812

Tabelle 1: Grundlegende Merkmale und Ergebnisse der beiden Kohorten. Die Spalte „fehlende Werte“ basiert auf den ursprünglich beobachteten Daten; multiple Imputation wurde nur für die Modellierung verwendet. Stetige Variablen werden je nach Verteilung als x̄ ± s oder M[IQR] angegeben, und Gruppenvergleiche erfolgten mittels t-Test für unabhängige Stichproben oder Mann-Whitney-U-Test; kategoriale Variablen werden als n (%) angegeben, und Gruppenvergleiche erfolgten mittels χ²-Test. Die kumulative Inzidenz neuer Wirbelkörperfrakturen über 2 Jahre wurde mit der Kaplan-Meier-Methode geschätzt und mit 95 % Konfidenzintervall (CI) angegeben; der Gruppenvergleich erfolgte mittels Log-Rank-Test. P-Werte dienten lediglich zur Beschreibung von Unterschieden in der Kohortenzusammensetzung zwischen den beiden Kohorten und wurden nicht für die Auswahl von Prädiktoren verwendet.

Prädiktor	β	HR	95 % KI	P
Klinisches Modell
Alter (pro 1-SD-Anstieg)	0,28	1,33	1,10–1,60	0,003
Weiblich (ja vs. nein)	0,26	1,29	1,02–1,63	0,031
Körpermasseindex (pro 1-SD-Anstieg)	−0,19	0,83	0,70–0,98	0,03
Anamnese vorangegangener Fragilitätsfrakturen (ja vs. nein)	0,66	1,93	1,38–2,71	<0,001
Typ-2-Diabetes mellitus (ja vs. nein)	0,31	1,36	1,06–1,75	0,016
Chronische orale Glukokortikoidanwendung (ja vs. nein)	0,49	1,63	1,14–2,33	0,008
Deep-Learning-Modell
DL-Score (pro 1-SD-Anstieg)	0,58	1,78	1,46–2,17	<0,001
Kombiniertes Modell
Alter (pro 1-SD-Anstieg)	0,22	1,25	1,07–1,46	0,004
Weiblich (ja vs. nein)	0,23	1,26	1,01–1,56	0,04
Körpermasseindex (pro 1-SD-Anstieg)	−0,18	0,84	0,72–0,98	0,031
Anamnese vorangegangener Fragilitätsfrakturen (ja vs. nein)	0,59	1,8	1,27–2,56	0,001
Typ-2-Diabetes mellitus (ja vs. nein)	0,27	1,31	1,01–1,70	0,044
Chronische orale Glukokortikoidanwendung (ja vs. nein)	0,42	1,53	1,05–2,21	0,026
DL-Score (pro 1-SD-Anstieg)	0,5	1,64	1,34–2,01	<0,001

Tabelle 2: Prädiktoren und Cox-Regressionsresultate der drei Modelle. Die Parameterschätzungen des klinischen Modells und des kombinierten Modells wurden gemäß der Rubin’schen Regel aus 10 imputierten Datensätzen zusammengefasst, und die P-Werte wurden mittels des Wald-Tests ermittelt. Stetige Variablen sowie der DL-Score gingen als standardisierte Werte in die Modelle ein, und der Hazard Ratio (HR) entsprach einer Erhöhung um eine Standardabweichung (1 SD); die Referenzkategorie für binäre Variablen wurde einheitlich als „nein“ oder „keine“ festgelegt. Der DL-Score war ein zusammengesetzter Score, der durch Gewichtung von Deep-Learning-Merkmalen erhalten wurde. Die 2-Jahres-Basis-Survivalraten S₀ (2 Jahre) der drei Modelle betrugen jeweils 0,9387, 0,9194 und 0,9413. Das 2-Jahres-Risiko des kombinierten Modells wurde wie folgt berechnet: 2 - yearrisk = 1 - [S₀(2 Jahre)]^exp(LP).

Modell

Scheinbares C (95 % KI)

Korrigiertes C

Validiertes C (95 % KI)

ΔC (95 % KI)

Scheinbares AUC₂y (95 % KI)

Korrigiertes AUC₂y

Validiertes AUC₂y (95 % KI)

ΔAUC₂y (95 % KI)

Scheinbarer Brier₂y

Korrigierter Brier₂y

Validierter Brier₂y

Validierter Achsenabschnitt

Validierungsslope

Klinisches Modell

0.702 (0.657–0.747)

0.691

0.687 (0.619–0.754)

Referenz

0.711 (0.665–0.757)

0.7

0.694 (0.626–0.762)

Referenz

0.081

0.082

0.082

0.073

0.901

Deep-Learning-Modell

0.734 (0.691–0.777)

0.722

0.713 (0.648–0.778)

0.026 (−0.018–0.070)

0.743 (0.698–0.789)

0.731

0.722 (0.658–0.786)

0.028 (−0.016–0.072)

0.079

0.08

0.08

0.058

0.843

Kombiniertes Modell

0.787 (0.748–0.826)

0.773

0.759 (0.699–0.819)

0.072 (0.030–0.114)

0.799 (0.758–0.841)

0.785

0.774 (0.715–0.833)

0.080 (0.038–0.122)

0.075

0.076

0.077

0.012

0.972

Tabelle 3: Vorhersageleistung, optimistisch-korrigierte Leistung und Ergebnisse der internen Validierung der drei Modelle. Die korrigierten Ergebnisse sind Punktschätzungen nach 1.000 Bootstrap-Korrekturen für Optimismus. ΔC und ΔAUC₂y sind die Unterschiede im Vergleich zum klinischen Modell. Größere C- und AUC₂y-Werte sowie kleinere Brier₂y-Werte weisen auf eine bessere Modellleistung hin; ein Kalibrierungs-Interzept näher bei 0 und eine Kalibrierungs-Steigung näher bei 1 deuten auf eine bessere Kalibrierung hin. C, Harrells Konkordanzindex; AUC₂y, 2-Jahres-zeitabhängige Fläche unter der Kurve der Receiver-Operating-Characteristic; Brier₂y, 2-Jahres-Brier-Score.

Kohorte	NRI₂y	95% KI	P	IDI₂y	95% KI	P
Ableitungskohorte	0.316	0.174–0.463	<0.001	0.047	0.024–0.073	<0.001
Interne Validierungskohorte	0.241	0.058–0.389	0.009	0.033	0.009–0.058	0.007

Tabelle 4: 2-Jahres-NRI und IDI des kombinierten Modells im Vergleich zum klinischen Modell. Positive Werte von NRI₂y und IDI₂y weisen darauf hin, dass das kombinierte Modell einen besseren inkrementellen Vorhersagewert als das klinische Modell aufweist. NRI₂y und IDI₂y wurden beide anhand der zeitabhängigen Methode über 2 Jahre berechnet, und zensierte Daten wurden mithilfe der Methode der inversen Wahrscheinlichkeitsgewichtung bei Zensierung behandelt; das 95 %-Konfidenzintervall wurde anhand von 1.000 Bootstrap-Stichproben ermittelt, und die P-Werte waren zweiseitig. NRI₂y, 2-Jahres-Netto-Reklassifizierungsverbesserung; IDI₂y, 2-Jahres-integrierte Diskriminierungsverbesserung.

Modell	Ableitung n	Ableitung Ereignisse	Ableitung C (95% KI)	Ableitung AUC₂y (95% KI)	Ableitung Brier₂y	Validierung n	Validierung Ereignisse	Validierung C (95% KI)	Validierung AUC₂y (95% KI)	Validierung Brier₂y	Validierung Intercept	Validierung Slope
Klinisches Modell	1431	129	0.699 (0.654–0.744)	0.707 (0.661–0.752)	0.082	714	62	0.681 (0.613–0.749)	0.690 (0.622–0.759)	0.083	0.084	0.892
Kombiniertes Modell	1431	129	0.783 (0.744–0.822)	0.795 (0.753–0.837)	0.076	714	62	0.753 (0.692–0.814)	0.769 (0.709–0.829)	0.078	0.019	0.964

Tabelle 5: Sensitivitätsanalyse anhand vollständiger Fälle. Vollständige Fälle wurden als Patienten mit den ursprünglich beobachteten Werten für alle von dem jeweiligen Modell benötigten Variablen definiert. Die Sensitivitätsanalyse verwendete die Analyse vollständiger Fälle ohne multiple Imputation. Das 95%-KI wurde anhand von 1.000 Bootstrap-Stichproben ermittelt. C, Harrells Konkordanzindex; AUC₂y, flächenunter der zeitabhängigen 2-Jahres-ROC-Kurve; Brier₂y, 2-Jahres-Brier-Score.

Zusatzdatei 1: Rohdaten Bitte klicken Sie hier, um diese Datei herunterzuladen.

Diskussion

Das kombinierte Modell behielt auch nach Korrektur für Optimismus und zeitlicher interner Validierung die optimale Leistung bei, was darauf hindeutet, dass die Merkmale des maschinellen Lernens aus der seitlichen Röntgenaufnahme des thorakolumbalen Bereichs keine einfache Wiederholung klinischer Informationen darstellen, sondern unabhängige und überprüfbare zusätzliche Informationen für die Risikobewertung von neu auftretenden Wirbelkörperfrakturen innerhalb von zwei Jahren liefern können. Seine Bedeutung liegt darin, den Hintergrund einer systemischen Fragilität und einer lokalen spinalen Strukturschwäche in denselben Vorhersageansatz zu integrieren. Alter, weibliches Geschlecht, niedriger Body-Mass-Index, vorangegangene Fragilitätsfraktur, Diabetes und Glukokortikoid-Exposition spiegeln Knochendichteverlust, beeinträchtigte Knochenqualität, unzureichende muskuläre Unterstützung und Anfälligkeit für Re-Frakturen wider und bestimmen das allgemeine basale Frakturrisiko des Patienten¹⁵; Merkmale des maschinellen Lernens erfassen wahrscheinlich eher die Morphologie der Wirbelendplatten, leichte Keilformung, lückenhafte Knochentextur, Veränderungen der kortikalen Grenzflächen und abnorme mechanische Verteilung im thorakolumbalen Bereich, die durch routinemäßige Bildbefundung nur schwer stabil quantifizierbar sind, und ergänzen so die Fragilitätsinformationen auf lokaler bildgebender Ebene¹⁶. Beide Informationsarten entsprechen unterschiedlichen pathologischen Ebenen, und nach ihrer Kombination verbesserten sich Diskriminierung, Kalibrierung, Vorhersagefehler, Reklassifizierungsfähigkeit sowie klinischer Nettovorteil; diese Konsistenz stützt die Annahme, dass die Verbesserung des Modells kein Zufall war. Traditionelle Risikomodelle, die allein auf klinischen Variablen basieren, sind zwar einfach anzuwenden, können jedoch die lokale Heterogenität der Wirbelkörper nur schwer erfassen¹⁷. Bewertungsstrategien wie die Knochendichtemessung oder FRAX sind stärker auf die systemische Frakturgefahr ausgerichtet und können die unmittelbare strukturelle Fragilität des thorakolumbalen Bereichs möglicherweise nicht vollständig widerspiegeln¹⁸. Frühere KI-Studien konzentrierten sich hauptsächlich auf die Detektion bereits bestehender Wirbelkörperfrakturen oder die Klassifizierung von Osteoporose und liegen damit noch einen Schritt hinter einer klinischen Frühwarnung¹⁹. Die vorliegenden Ergebnisse kommen einem realen Entscheidungsszenario näher und zeigen, dass okkulte Phänotypen, die in routinemäßigen Röntgenaufnahmen enthalten sind, nach Extraktion mittels maschinellem Lernen die klinische Risikostratifizierung erheblich verbessern können.

Bei der Beurteilung des Wirbelkörperfrakturrisikos weisen CT, MRT, die auf der Knochendichte basierende Bewertung sowie andere bildgebende Analyseverfahren jeweils eigene Anwendungsszenarien auf. Die CT stellt die Wirbelmorphologie, Veränderungen der Endplatten und den kortikalen Knochenzerfall direkter dar, während die MRT größere Vorteile bei der Beurteilung von Knochenmarködemen, Beteiligung von Weichteilen und akuten Frakturen bietet. Beide Verfahren sind jedoch hinsichtlich Untersuchungskosten, Verfügbarkeit und Eignung für routinemäßige Verlaufskontrollen den thorakolumbalen Seitenaufnahmen unterlegen, wodurch ihre großflächige und niedrigschwellige Anwendung als Instrumente für eine frühe Risikostratifizierung erschwert wird. Die Messung der Knochendichte und das FRAX-Modell eignen sich besser, um den Hintergrund einer systemischen Knochenbrüchigkeit widerzuspiegeln, und haben einen wichtigen Referenzwert für die allgemeine Frakturneigung, sind jedoch begrenzt, was die Darstellung lokaler struktureller Fragilität im thorakolumbalen Bereich, geringfügiger Keilwirbelbildung, subtiler Endplattenanomalien und lokaler mechanischer Dysbalance betrifft. Bestehende Radiomik-Methoden können vordefinierte quantitative Merkmale aus Röntgenaufnahmen, CT oder MRT extrahieren und besitzen Potenzial für die Risikobewertung, beruhen jedoch üblicherweise auf manuell festgelegten Merkmalsräumen und relativ strikten Segmentierungsverfahren. Im Vergleich zu diesen Methoden entschied sich die vorliegende Studie dafür, ein Modell auf der Grundlage routinemäßiger thorakolumbaler Seitenaufnahmen zu konstruieren, wobei der Fokus nicht darauf liegt, CT, MRT oder die Knochendichtemessung zu ersetzen, sondern vielmehr darauf, basierend auf der im klinischen Alltag am leichtesten verfügbaren Bildgebungstechnik, versteckte Informationen über lokale Fragilität zu ergänzen, die mit herkömmlichen klinischen Bewertungsverfahren schwer zu erfassen sind, und so einen breiter anwendbaren Weg für die frühe Identifizierung neuer Wirbelkörperfrakturen durch Risikostratifizierung bereitzustellen.

Die klinischen Variablen, die in das endgültige Modell eingingen, wiesen klare pathophysiologische Implikationen auf, was darauf hindeutet, dass dieser Vorhersageansatz nicht auf einer zufälligen Auswahl beruhte. Ein zunehmendes Alter, weibliches Geschlecht und ein niedriger Body-Mass-Index korrelieren mit Knochenmasseverlust, geschwächter muskulärer Stabilität und einer erhöhten Sturzneigung und stellen somit die grundlegende Voraussetzung für eine Wirbelfrakturgefahr dar. Eine Vorgeschichte von Fragilitätsfrakturen weist auf eine persistierende systemische Knochenfragilität beim Individuum hin und ist ein wichtiger Marker für Re-Frakturen. Selbst wenn die Knochendichte bei Patienten mit Typ-2-Diabetes mellitus nicht signifikant vermindert ist, können Ablagerungen fortgeschrittener glykierter Endprodukte, eine gestörte Knochenumsatzrate und mikrostrukturelle Beeinträchtigungen weiterhin die mechanische Stabilität der Wirbelkörper schwächen²⁰. Die langfristige orale Gabe von Glukokortikoiden hemmt die Knochenbildung, fördert den Knochenabbau, beeinträchtigt die Trabekelintegrität und führt zu einem erhöhten Frakturrisiko²¹. Nach einer Selektion mittels Stabilitätsanalyse, Korrelation und regularisierter Regression wurden nur wenige Merkmale aus den Deep-Learning-Features zur Konstruktion des DL-Scores beibehalten, was darauf hindeutet, dass das Modell stabile und mit dem Outcome assoziierte bildgebende Informationen erfasst hat. Diese Merkmale lassen sich nicht eindeutig einzelnen manuellen Parametern zuordnen, sondern spiegeln vermutlich umfassend subtile präkollapsartige Veränderungen der Wirbelendplatten, leichte morphologische Ungleichgewichte der Wirbel, eine spärliche Knochenstruktur, Konturveränderungen der Kortikalis sowie eine abnormale lokale Spannungsverteilung im thorakolumbalen Bereich wider. Daher behielten sie auch nach Adjustierung für klinische Variablen einen unabhängigen prädiktiven Wert²². Bestehende epidemiologische Evidenz hat bestätigt, dass die genannten klinischen Faktoren eng mit Fragilitätsfrakturen assoziiert sind, und die Ergebnisse der vorliegenden Studie stimmen im Wesentlichen damit überein. Im Vergleich zu traditionellen manuellen Messungen oder vordefinierten Radiomik-Merkmalen erfordert das Deep Learning keine vorherige Festlegung der Merkmale und eignet sich daher besser zur Identifizierung okkulter und komplexer Fragilitätsphänotypen im Röntgenbild²³. Rheumatoide Arthritis und eine initiale antiosteoporotische Therapie gingen nicht in das endgültige Modell ein, was möglicherweise mit der geringeren Prävalenz der ersteren und einer Behandlungsindikations-Bias der letzteren zusammenhängt²⁴. Daraus wird deutlich, dass das Modell auf einer komplementären Integration des klinischen Risikospektrums und okkulter Röntgen-basierter Fragilitätsphänotypen beruht und nicht auf einer einfachen Aneinanderreihung von Variablen.

Nach Korrektur der Bootstrap-Optimismus-Bias, zeitlicher interner Validierung und einer Sensitivitätsanalyse anhand vollständiger Fälle blieb der Vorteil des kombinierten Modells stabil, was darauf hindeutet, dass seine Vorhersagefähigkeit nicht auf einer Anpassung an die Stichprobe beruhte, sondern über eine gute innere Validität verfügt. Die zeitliche Aufteilung zur Validierung kommt dem realen Anwendungsszenario näher als eine zufällige Aufteilung und kann die Leistung des Modells bei nachfolgenden Patienten strenger überprüfen; die Optimismus-Korrektur hilft, das Überanpassungsrisiko zu erkennen, weshalb die anhaltende Überlegenheit nach dieser Korrektur die Robustheit der Ergebnisse stärker untermauert. Die Kalibrationskurve lag nahe an der idealen Linie, der Validierungs-Intercept war nahe null und die Steigung nahe eins, was darauf hindeutet, dass die Modellausgabe nicht bloß ein Rangscore war, sondern eine absolute Risikowahrscheinlichkeit darstellte, die relativ gut mit der tatsächlichen Ereignishäufigkeit übereinstimmte. Dies hat eine größere klinische Bedeutung für die Festlegung der Intensität der Nachsorge, die weitere Knochendurchmusterung sowie den Zeitpunkt präventiver Maßnahmen. Der höhere Nettovorteil innerhalb des vorgegebenen Schwellenwertbereichs zeigt an, dass die Modellverbesserung nach Hinzunahme der Deep-Learning-Merkmale aus dem Röntgenbild sich nicht nur in statistischen Kennzahlen widerspiegelte, sondern auch in einem potenziellen Nutzen auf Entscheidungsebene²⁵. Das Nomogramm wandelte das kombinierte Modell in ein interpretierbares, individualisiertes Werkzeug um, das die Risikostratifizierung auf Grundlage einer routinemäßigen thorakolumbalen Seiten-Röntgenaufnahme erleichtert²⁶. Viele frühere KI-basierte Prognosestudien berichteten hauptsächlich über die Diskriminierung, widmeten der Kalibrierung, Kontrolle von Überanpassung und dem klinischen Nettovorteil jedoch unzureichend Aufmerksamkeit und wiesen zudem oft keine zeitliche Validierung oder Sensitivitätsanalyse auf, was ihre Übertragbarkeit auf reale Szenarien einschränkt^27,28. Die vollständige Evidenzkette, die sich aus Diskriminierung, Kalibrierung, Vorhersagefehler, Entscheidungskurve und Sensitivitätsanalyse zusammensetzt, kann die klinische Übertragung dieses kombinierten Modells als Risikostratifizierungswerkzeug für neu aufgetretene Wirbelfrakturen besser unterstützen.

Diese Studie war eine einzentrische retrospektive Kohortenstudie, und alle Fälle stammten von Krankenhauspatienten, die eine laterale Thorakolumbalaufnahme erhalten und eine bildgebende Nachuntersuchung abgeschlossen hatten. Die Stichprobenzusammensetzung wurde durch Überweisungsmuster, Untersuchungsindikationen und die Einhaltung der Nachuntersuchung beeinflusst, wodurch eine Selektionsverzerrung entstand; daher ist Vorsicht geboten, wenn die Ergebnisse auf andere Zentren, Bevölkerungsgruppen in der Gemeinschaft oder unterschiedliche Gerätebedingungen übertragen werden sollen. Während des Studienzeitraums wurden die Basisaufnahmen mithilfe des digitalen Radiographiesystems eines einzelnen Herstellers des Krankenhauses angefertigt, anstatt mehrere Radiographiesysteme bzw. Hersteller zu nutzen, was die technische Heterogenität zwischen verschiedenen Herstellern verringerte, jedoch möglicherweise auch die Übertragbarkeit auf andere Bildgebungssysteme einschränkte. Insbesondere wurden Patienten, bei denen innerhalb von 24 Monaten keine bildgebende Nachuntersuchung erfolgte, aufgrund der Notwendigkeit einer Nachuntersuchung zur Outcome-Erfassung ausgeschlossen, was dazu führen konnte, dass überwiegend Patienten mit stärkeren Symptomen, höherer Inanspruchnahme medizinischer Leistungen oder erhöhtem Basisrisiko in die Studie eingeschlossen wurden, und möglicherweise die beobachtete Ereignisrate erhöhte. Außerdem, da die Nachuntersuchungsbildgebung im Rahmen der routinemäßigen klinischen Praxis und nicht nach einem festgelegten Protokoll durchgeführt wurde, war die Zensur möglicherweise nicht vollständig nicht-informativ, und die auf dem Cox-Modell basierenden Risikoschätzungen könnten weiterhin durch den Prozess der bildgebenden Nachuntersuchung beeinflusst worden sein. Obwohl eine zeitinterne Validierung, eine Bootstrap-Korrektur für Optimismus und eine Sensitivitätsanalyse an vollständigen Fällen durchgeführt wurden, wurde bisher keine unabhängige externe Validierung vorgenommen, und die Stabilität über verschiedene Zentren hinweg sowie die Generalisierbarkeit des Modells müssen noch bestätigt werden. Diese Studie basierte auf routinemäßigen lateralen Röntgenaufnahmen, die den Vorteil einer einfachen Erhebung und Verbreitung bieten, jedoch im Vergleich zu CT, MRT oder der Knochendichtemessung hinsichtlich der Darstellung der Knochenmikrostruktur, des Knochenmassenzustands und der Informationen über angrenzendes Gewebe weiterhin begrenzt sind; obwohl Deep-Learning-Merkmale die Vorhersageleistung verbessern können, sind ihre spezifischen bildgebenden und biologischen Bedeutungen noch nicht ausreichend anschaulich. Zudem wurde keine spezielle Merkmalsattribution oder Saliency-Analyse durchgeführt; daher sollten die damit verbundenen biologischen Interpretationen als hypothetisch zu betrachten sein und nicht als direkt validiert. Die Kandidatenvariablen wurden hauptsächlich aus strukturierten Krankenakten und routinemäßigen klinischen Daten abgeleitet und beinhalteten nicht den Sturzverlauf, die körperliche Funktion, den Ernährungszustand, laborchemische Parameter des Knochenstoffwechsels oder standardisierte Messungen der Knochendichte; daher könnte weiterhin eine Restverzerrung durch Störgrößen bestehen. Außerdem wurden in der vorliegenden Studie keine Modelle basierend auf BMD oder FRAX evaluiert; daher wurde der zusätzliche Nutzen des DL-Scores nur im Vergleich zum vorgegebenen klinischen Modell nachgewiesen. Zukünftige Studien sollten eine externe Validierung an mehreren Zentren, mit unterschiedlicher Ausrüstung und in verschiedenen klinischen Settings durchführen und die Integration mit Knochendichtemessung, Laborparametern und anderen bildgebenden Verfahren untersuchen, um die Generalisierbarkeit, Interpretierbarkeit und praktische Anwendbarkeit des Modells zu verbessern.

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
glmnet-Paket	CRAN	N/V	Wird für die LASSO-Cox-Regressionsanalyse verwendet.
ITK-SNAP	University of Pennsylvania / ITK-SNAP-Projekt	N/V	Wird für die ROI-Auszeichnung von Basisbildern verwendet.
mice-Paket	CRAN	N/V	Wird für multiple Imputation verwendet.
Python	Python Software Foundation	Version 3.10	Wird für die Bildvorverarbeitung und Deep-Learning-Analyse verwendet.
PyTorch	PyTorch Foundation / Linux Foundation	Version 2.1	Wird für die Entwicklung von Deep-Learning-Modellen und die Merkmalsextraktion verwendet.
R-Version	R Foundation for Statistical Computing	Version 4.3.2	Wird für die statistische Analyse verwendet.
rmda-Paket	CRAN	N/V	Wird für die Entscheidungskurvenanalyse verwendet.
rms-Paket	CRAN	N/V	Wird für die Modellerstellung und Kalibrationsanalyse verwendet.
survival-Paket	CRAN	N/V	Wird für die Cox-Regression mit proportionalen Hazards verwendet.
timeROC-Paket	CRAN	N/V	Wird für die zeitabhängige AUC-Analyse verwendet.