利用FDG PET/CT低剂量CT椎体骨小梁衰减值的自动化测量进行低骨密度机会性筛查：单中心回顾性研究

《Tomography》：Opportunistic Screening for Low Bone Density Using Automated Vertebral Trabecular CT Attenuation from Low-Dose CT Acquired During FDG PET/CT: A Single-Center Retrospective Study

　　

目的(Objectives)：评估从常规氟代脱氧葡萄糖正电子发射断层扫描/计算机断层扫描(FDG PET/CT)中获取的自动化腰椎椎体骨小梁亨氏单位(Hounsfield unit, HU)测量值，用于识别低骨密度(low bone density, LBD)的诊断效能。方法(Methods)：本回顾性研究纳入2020年1月至2024年12月期间连续接受健康体检并行FDG PET/CT及双能X线吸收法(dual-energy X-ray absorptiometry, DXA)检查的131例女性受试者(平均年龄53.5±9.6岁)。研究人员采用基于深度学习的模型(TotalSegmentator)自动分割腰椎(L1–L4)，计算骨小梁区域基于HU的指标，并评估其与DXA测得的骨矿物质密度(bone mineral density, BMD)的相关性，通过受试者工作特征(receiver operating characteristic, ROC)曲线评估诊断效能。研究人员建立并采用自助法(bootstrap resampling)内部验证含平均HU、年龄及体重指数(body mass index, BMI)的多因素Logistic回归模型。结果(Results)：依据WHO标准，131例受试者中47例(35.9%)存在低骨密度。平均HU显示良好的诊断效能[曲线下面积(area under the curve, AUC)(95%置信区间): L10.861(0.800–0.923); L20.852(0.788–0.915); L30.861(0.800–0.921); L40.845(0.781–0.909)]。L1平均HU提供最均衡的效能(灵敏度0.851，特异度0.750)；L3平均HU稍逊。L1平均HU与BMD呈强相关(r=0.821, p<0.001)。多因素分析显示平均HU可独立预测低骨密度(比值比odds ratio=0.949, p<0.001)。模型准确度达0.786且校准良好。结论(Conclusions)：利用常规FDG PET/CT低剂量CT进行椎体骨小梁HU的自动化评估，是一种可靠且高效的无额外辐射及费用支出的低骨密度筛查方法。

论文解读：利用FDG PET/CT低剂量CT椎体骨小梁衰减值的自动化测量进行低骨密度机会性筛查

研究背景与意义

骨质疏松症(osteoporosis)是全球重大公共卫生问题，以骨强度降低和脆性骨折风险增加为特征，低骨密度(low bone density, LBD，含骨量减少osteopenia及骨质疏松)的早期识别对干预至关重要。双能X线吸收法(dual-energy X-ray absorptiometry, DXA)是评估骨矿物质密度(bone mineral density, BMD)的金标准，但因筛查不足、可及性受限及需专门检查，大量高危个体至骨折发生仍未被确诊。近年来，利用常规临床指征下行计算机断层扫描(computed tomography, CT)进行机会性筛查(opportunistic screening)成为替代方案——CT衰减值以亨氏单位(Hounsfield unit, HU)表示，已被证实与BMD强相关，且可从既有扫描中提取信息而无额外辐射或费用。氟代脱氧葡萄糖正电子发射断层扫描/计算机断层扫描(F-18 fluorodeoxyglucose positron emission tomography/computed tomography, FDG PET/CT)广泛应用于肿瘤学影像，其CT组分虽为低剂量非增强，却覆盖广泛患者人群，是尚未充分利用的骨密度评估资源，尤其肿瘤患者因衰老及治疗影响本身属骨量丢失高危人群。既往PET/CT骨密度评估缺乏标准化自动化流程，传统手动或半自动感兴趣区(region of interest, ROI)勾画存在变异性。基于nnU-Net架构的深度学习全腹盆分割工具TotalSegmentator使解剖结构自动识别成为可能。本研究旨在开发并评价一种自动化、可重复的流程，利用FDG PET/CT的低剂量CT图像机会性评估椎体骨小梁骨密度，论文发表于《Tomography》。

关键技术方法

研究人员回顾性纳入2020年1月—2024年12月于单中心接受健康筛查、同期(1周内)行FDG PET/CT及腰椎DXA的女性受试者，排除无完整DXA记录、＜40岁、腰椎内固定/手术史、图像严重伪影者，最终队列131例。采用GE Discovery 690 PET/CT扫描仪，CT参数统一为120 kVp、自动管电流调制(约30–80 mAs)、层厚3.75 mm、无静脉对比剂。使用TotalSegmentator(version 2.9.0)基于nnU-Net自动分割L₁–L₄，对每个椎体掩膜在物理空间内经欧氏距离变换向内均匀腐蚀5.0 mm以剔除皮质骨及终板影响，提取中央骨小梁ROI。分别计算各椎体ROI内均值、中位数及百分位数HU，以L₁平均HU为主要建模变量。由资深核医学科医师行目视质控。采用Pearson相关分析HU与DXA-BMD关联；ROC曲线分析诊断效能并确定Youden指数最佳截断值；构建含L₁平均HU、年龄、体重指数(body mass index, BMI)的多因素Logistic回归模型预测LBD，经1000次Bootstrap再抽样内部验证，校准图及平均绝对误差评估校准度。所有统计用R v4.0.5完成。

研究结果

3.1. Study Population（研究人群）

最终纳入131例女性，DXA判定低骨密度47例(35.9%)，正常骨密度84例(64.1%)，说明该体检人群存在可观的未确诊骨量下降风险。

3.2. Diagnostic Performance of CT Attenuation（CT衰减值的诊断效能）

ROC分析显示L₁–L₄骨小梁平均HU识别低骨密度的AUC分别为L₁0.861、L₂0.852、L₃0.861、L₄0.845；L₁平均HU提供最均衡的灵敏度(0.851)与特异度(0.750)，L₃AUC相当但特异度偏低。平均HU各椎体中诊断性能最优。

3.3. Correlation Between HU and BMD（HU与BMD的相关性）

L₁椎体骨小梁平均HU与同水平DXA测得BMD呈强正相关(r=0.821, p<0.001)，较高HU对应较高BMD，验证CT衰减可作为BMD替代指标。

3.4. Multivariable Logistic Regression Analysis（多因素Logistic回归分析）

调整年龄与BMI后，平均HU仍是低骨密度的显著独立负向预测因子(odds ratio=0.949, p<0.001)，即HU值越高低骨密度发生概率越低，BMI在多因素模型中无显著性。

3.5. Classification Performance（分类效能）

含L₁平均HU、年龄、BMI的Logistic回归模型准确度0.786、灵敏度0.851、特异度0.750，提示该模型适合作为筛查工具。

3.6. Internal Validation and Calibration（内部验证与校准）

Bootstrap内部验证显示模型性能稳定、乐观偏差小；校准图示预测与观测概率吻合良好(校准截距0.000，95%CI ?0.477~0.473；校准斜率1.000，95%CI 0.672~1.412；平均绝对误差≈0.019)。

3.7. Subgroup Analysis in Women Aged ≥ 50 Years（≥50岁女性亚组分析）

在83例≥50岁女性(低骨密度40例)中，L₁平均HU与DXA-BMD仍强相关(r=0.753, p<0.001)，平均HU独立预测低骨密度(OR=0.957, 95%CI 0.933–0.976, p<0.001)，诊断准确度0.747、灵敏度0.800、特异度0.698，证实在绝经后高危亚组同样有效。

讨论与结论翻译

研究人员指出，自FDG PET/CT低剂量CT获取的椎体骨小梁衰减值可可靠识别低骨密度个体；所提自动化流程在腰椎各层面显示良好诊断效能(AUC最高达0.861)，L₁骨小梁平均HU与DXA-BMD强相关(r=0.821)，多因素模型分类及校准表现良好，支持将该机会性骨密度评估整合入常规PET/CT工作流程且无额外辐射与花费。L₁因其FOV覆盖稳定及退变影响小被推荐为首选测量层面；深度学习分割联合标准化形态学腐蚀去皮质骨法克服了手工ROI变异性，提升可重复性。局限性含单中心回顾性设计需多中心外部验证、仅限女性、单一机型及协议、校准CI较宽等。结论(Conclusions)：利用FDG PET/CT低剂量CT进行椎体骨小梁衰减值的自动化评估，是一种可靠、可扩展且具有临床适用性的低骨密度筛查方法，可为机会性骨质疏松筛查提供支持。