从DXA椎体骨折评估图像推导的脊柱年龄预测骨折发生和死亡率：马尼托巴骨密度登记处研究

相较于实际年龄，生物年龄通过捕捉个体衰老异质性可能更好地预测健康结局。我们研究了利用深度学习从双能X线吸收法（DXA）椎体骨折评估（VFA）估算的脊柱加速老化是否能独立于年龄、椎体骨折（VF）和骨密度（BMD）预测骨折和死亡率。在韩国队列（VERTE-X，n=10,341）中训练了一个基于侧位脊柱X光片估算年龄的卷积神经网络模型。在加拿大马尼托巴省接受DXA VFA检查的27,601名≥50岁成年人（2010-2023年）中，使用随机抽取20%的子集对预训练模型进行DXA VFA图像微调。在剩余80%数据中，测试集包含8,810名在2017年前完成DXA检查的个体（结局追踪至2018年）。在测试集中计算预测脊柱年龄差（PAD=脊柱年龄-实际年龄）。平均随访3.9年期间，发生899例新发骨折和969例死亡。脊柱年龄与实际年龄呈正相关（r=0.89），平均差为0.0年（SD=3.4）。与较高PAD相关的因素包括：椎体骨折（+1.02年）、非椎体骨折史（+0.22年）、广泛脊柱结构伪影（+1.45年）、吸烟（+1.20年）以及较低股骨颈BMD（每T值降低+0.60年），共同解释66%的PAD变异。PAD每增加1个标准差，在调整协变量后（所有p<0.05），与任意骨折（校正风险比=1.11）、非椎体骨折（1.10）、主要骨质疏松性骨折（1.12）、髋部骨折（1.25）及死亡率（1.12）风险升高独立相关。总之，在骨折高风险个体中，通过DXA VFA检测到的脊柱加速老化可独立于年龄、临床风险因素、VF、脊柱结构伪影和BMD预测骨折及死亡风险，这支持其具有提升骨折风险评估的潜力。