髋部脆性骨折的预测模型来自创伤科和骨科病房的真实数据。

在人口老龄化的背景下，骨质疏松症和相关的脆性骨折仍然是世界范围内卫生系统和家庭日益增加的负担。 由于住院、手术、艰难的恢复以及随后骨折的风险，髋部骨折尤其严重。

因此，检测股骨脆性骨折高风险患者并预测他们的恢复能力以采取适当的医疗决策非常重要。 早期发现骨质退化对于更好的预防和骨骼重建来说是理想的选择。

目前骨质疏松症的金标准仍然是双能 X 射线吸收测定法 (DXA)，然而，一方面，使用 WMO 定义，大多数骨折患者并未被归类为骨质疏松症，另一方面，DXA 尚未广泛使用在许多地方。

已经提出了具有不同成本和可用性的不同替代设备，例如 3D X 射线、MRI 或超声波。 此外，FRAX、Garvan 或 Qfracture 等在线表格建议根据有限的临床因素来计算骨折风险。

如今，临床数据、处理方法和计算能力的不断增长，为使用大量生物标志物或参数的新型数据驱动预测模型开辟了道路，为个性化精准医疗开辟了前景。 然而，出现了一些挑战：

1. 构建模型的数据可用性和质量，
2. 能够根据每个国家的成本和可能性从新患者那里收集真实数据，以及
3. 确定最重要的参数，以便以可解释的方式帮助做出医疗决策。

该项目的目的是利用过去 12 年中创伤科和骨科病房常规收集的现有医院数据、对照组（无脆性骨折）及以上获得的数据，建立髋部脆性骨折的预测模型迄今为止的可解释人工智能（XAI）工具。 该模型应适应该地区的“现实世界”条件，并预测临床数据，例如骨折和再骨折的风险、死亡风险、骨折类型分类和特定合并症指数的生成。 将特别关注骨脆性的潜在早期检测器。

此外，该模型后来还包括替代的 DXA 测量，例如超声波，使用由同一团队成功测试的特定设备。 由于目前与该团队合作的国际同事，事后还可以将其与具有类似可用数据的其他国家或地区进行比较。 如果成功，数据库格式和预测模型可以与其他医院共享，并逐步扩大国内和国际规模。 在不久的将来，这些信息可以转化为信息学工具，帮助医生对老年患者进行临床跟踪。