韩国研究团队利用人工智能（AI）深度学习技术开发了一种新的影像指标，能够找到传统X光诊断难以捕捉的膝关节“最严重磨损部位”。
首尔大学医院的教授诺斗炫和东国大学一山医院的教授李道源共同研究团队于6日宣布，开发了能够准确测量患者膝关节软骨磨损状态的基于AI的影像指标“oJSW（正交最小关节间隙宽度）”。
此次研究结果已发表在欧洲运动医学会的官方学术期刊《KSSTA（膝关节外科、运动创伤学、关节镜检查）》最新一期上。
研究团队利用美国国立卫生研究院（NIH）的海量数据（OAI），分析了3855名患者的15313个膝关节影像，最长达6年，以验证该指标的性能。结果显示，oJSW在从骨关节炎初期到严重阶段的所有严重度判别中，诊断准确度（AUC）达到了0.86~0.97。这一结果始终优于传统方法（0.78~0.95）。
AUC值越接近1，准确度越高，这意味着在随机比较患者和正常人时，能够以最高97%的概率区分严重度。
此外，在12个月内检测疾病进展程度的分析（rSRM）中也记录了0.91∼0.97。这证明了oJSW能够比传统指标更特异和敏感地捕捉到膝关节结构随时间的细微恶化。
以往，膝关节骨关节炎的严重度主要通过在X光影像中测量大腿骨与小腿骨之间的间距（JSW）来评估。随着软骨磨损，骨骼之间的间距变窄，疾病被认为更加严重。
然而，传统方法由于固定关节的特定位置进行测量，无法充分反映患者各自不同的“最严重磨损部位”，因此存在遗漏严重磨损部位的风险。相比之下，新开发的oJSW通过人工智能自动探测关节内部，垂直测量最窄点，从而能够精确反映个体的磨损状态。
诺斗炫教授表示：“oJSW将成为评估骨关节炎严重度和追踪疾病进展的结构性指标”，并指出：“特别是在延缓疾病进展的基础治疗药物临床试验中，将作为敏感的评估工具，预计将为新药开发做出贡献。”
