使用机器学习识别骨质疏松症治疗 (OPTIMAL)

OPTIMAL 试验是使用机器学习开发的工具进行增强筛选方法的可行性试点研究。 该工具由 Lenus Health Ltd 使用截至 2010 年 1 月 1 日 50 至 80 岁患者的 NHS GG&C 匿名健康数据创建。

验证队列将包括截至 2022 年 1 月 1 日年龄在 50 至 80 岁之间的所有 GG&C 患者，这些患者未知是否患有骨质疏松症。

Nanox（以色列 AI 公司）将使用他们现有的平台来分析被确定为该人群中风险最高的 5000 名患者的去识别化 CT 扫描，以评估椎骨骨折，这将用作骨质疏松症风险评估的参数。 由于技术限制，只有一部分患者可以通过 Nanox 平台评估他们的成像。 将重新识别 5000 名风险最高的患者，以便提取他们的图像并取消识别以供分析。 我们预计这些患者中约有 30% 将有可用的影像学检查。 可识别的数据将保留在 GG&C 云中。

该试验将使用该软件在未诊断为骨质疏松症的 50-80 岁患者队列中筛查高危患者。 DXA 扫描将用作地面实况。 作为试验的一部分，患者将接受 DXA 扫描。

将进行临床审查，以剔除被认为不适合试验的患者，例如临近生命尽头或无法表示同意的患者。 排除的原因将被记录下来，以便审计和评估选择中的偏见。

从风险最高的患者开始，骨折联络服务处将联系患者，直到招募到 250 名患者。 这个数字是根据功率计算得出的，以确保该试验可以有效地将 OPTIMAL 工具与 FRAX 进行比较。 这种联系将采用骨折联络小组的信件形式，并附有患者信息表和同意书。 这些表格是根据患者体验小组的意见创建的。

如果参与者同意参加，他们将被邀请到伊丽莎白女王大学医院进行一次门诊访问。

在这次访问中，医生将检查患者，并询问有关他们健康的问题。 他们将接受与骨质疏松症以及一般健康状况相关的血液检查。 他们还将进行 DXA 扫描，以确认他们是否患有骨质疏松症。 将生成一个 FRAX 分数用于比较。

数据清理完成后，在试验结束时，所有数据都将传输到斯特拉斯克莱德大学的安全服务器，供 Conor McKeag 博士分析，David Young 博士监督评估 OPTIMAL 工具的有效性和准确性。 这将与目前骨质疏松症风险预测标准 FRAX 进行比较。