骨质疏松症在早期很难发现，因此被称为“沉默的疾病”。如果人工智能可以在患者走进医生办公室之前帮助预测其患上骨质疏松症的可能性，那会怎样?

杜兰大学的研究人员朝着这一愿景取得了进展，他们开发了一种新的深度学习算法，该算法优于现有的基于计算机的骨质疏松症风险预测方法，可能为有骨质疏松症风险的患者提供更早的诊断和更好的结果。

他们的研究成果最近发表在《人工智能前沿》杂志上。

深度学习模型因其能够模仿人类神经网络并在大型数据集中发现趋势而无需专门编程而受到关注。研究人员使用路易斯安那州骨质疏松症研究中 8,000 多名 40 岁以上参与者的数据，将深度神经网络(DNN) 模型与四种传统机器学习算法和传统回归模型进行了测试。DNN 实现了最佳的整体预测性能，通过对每个模型识别真阳性和避免错误的能力进行评分来衡量。

“越早发现骨质疏松症风险，患者采取预防措施的时间就越长，”该研究的主要作者、杜兰大学医学院生物医学信息学和基因组学中心研究助理教授 Chuan Qiu 说道。“我们很高兴看到我们的 DNN 模型在准确预测老龄人口骨质疏松症风险方面优于其他模型。”

在使用大量现实世界健康数据样本测试算法时，研究人员还能够确定预测骨质疏松症风险的 10 个最重要的因素：体重、年龄、性别、握力、身高、饮用啤酒、舒张压、饮酒、吸年限和收入水平。

值得注意的是，使用这 10 大风险因素的简化 DNN 模型的表现几乎与包含所有风险因素的完整模型一样好。