Clear Sky Science · sv

Djupinlärningsbaserad precisionsfenotypning av ryggradens kurvatur identifierar nya genetiska risklokusar för skolios i UK Biobank

· Tillbaka till index

Varför ryggradens form betyder något

Skolios, en sidovridning av ryggraden, kan leda till smärta, frakturer och sämre livskvalitet, men många med betydande krökning får aldrig någon diagnos. Denna studie visar hur modern datorseende och genetik kan samverka för att upptäcka ryggradsproblem tidigare och avslöja de DNA-varianter som i det tysta påverkar hur våra ryggar böjs när vi åldras.

Figure 1. Användning av AI på ryggradsbilder från många vuxna för att avslöja dold skolios och dess genetiska påverkan.
Figure 1. Användning av AI på ryggradsbilder från många vuxna för att avslöja dold skolios och dess genetiska påverkan.

Letar efter dolda kurvor

Läkare bedömer vanligen skolios med Cobb-vinkeln, en mätning från upprätta röntgenbilder som klassificerar personer som med eller utan skolios. Stora befolkningsbiobanker innehåller dock ofta vårdkoder snarare än detaljerade mätningar, och dessa koder fångar mestadels bara de allvarligaste fallen. Författarna vände sig istället till helkroppsbenröntgen från mer än 57 000 vuxna i UK Biobank. Dessa bilder, tagna medan deltagarna låg på rygg, innehåller en tydlig siluett av ryggraden och erbjuder en möjlighet att mäta kurvatur kontinuerligt hos alla, inte bara hos patienter som råkat få en skolioskod i sina journaler.

Lär datorer att spåra ryggraden

Med en liten uppsättning noggrant handmärkta bilder tränade teamet en djupinlärningsmodell att hitta och avgränsa varje persons ryggrad på bilden. Modellen, baserad på en vanlig arkitektur för medicinsk bildanalys, lärde sig att separera den ljusa ryggraden från resten av kroppen med 99 procent pixelnivånoggrannhet. För varje segmenterad ryggrad placerade forskarna 20 jämnt fördelade punkter längs dess längd, roterade ryggraden så att dess ändar linjerade vertikalt och summerade sedan hur långt varje punkt försköt sig åt vänster eller höger från ett steg till nästa. Detta gav ett enkelt, kontinuerligt tal för varje person som fångade hur mycket deras ryggrad slingrade sig i sidled, i millimeter, från topp till botten.

Kontrollerar att den nya mätningen är meningsfull

För att vara användbar behövde denna automatiserade kurvaturpoäng följa etablerade kliniska mått och verkliga utfall. I en grupp om 150 personer stämde poängen väl överens med Cobb-vinkelavläsningar gjorda av ortopeder, med en stark positiv korrelation. Personer vars Cobb-vinkel nådde den vanliga gränsen för skolios hade mycket högre kurvaturpoäng än de under gränsen, och de med en skoliosdiagnoskod i sina journaler visade också i genomsnitt högre kurvatur. Kurvaturen tenderade att öka stadigt med åldern, vilket stämmer med idén att slitage och bentäthetsförlust gradvis kan böja ryggraden. Med tröskelvärden härledda från diagnostiserade fall och Cobb-vinklar uppskattade teamet att tusentals UK Biobank-deltagare sannolikt har kliniskt viktig kurvatur som aldrig syns i deras medicinska kodning.

Figure 2. Hur en automatiserad mätning av ryggradens kurva från en enda bild omvandlas till genetiska signaler för skolios.
Figure 2. Hur en automatiserad mätning av ryggradens kurva från en enda bild omvandlas till genetiska signaler för skolios.

Koppla ryggradens form till DNA

Ryggradskurvor och resten av kroppen

Teamet undersökte också hur kurvatur relaterar till andra egenskaper hos samma personer. Högre kurvatur var kopplat till mer ryggsmärta, lägre bentäthet i ryggraden, svagare handgrepp, större benlängdsskillnader och en högre sannolikhet för osteoporos, spinala frakturer och spondylos, även efter justering för ålder, kroppsstorlek och livsstilsfaktorer. I kontrast visade knä- och höftartros liten relation till spinal böjning i denna grupp. Dessa mönster stödjer en bild där sidokurvatur hos äldre vuxna är sammanflätad med bredare åldersrelaterade förändringar i muskler, ben och hållning, snarare än att vara ett isolerat problem.

Vad detta betyder för framtida vård

Genom att omvandla rutinmässiga ryggradsbilder till precisa, automatiserade mätningar visar detta arbete hur djupinlärning kan belysa de genetiska och fysiska rötterna till tillstånd som medicinen ofta bara registrerar i breda drag. Den nya kurvaturmätningen avslöjar många personer vars ryggar är lika krökta som hos diagnostiserade patienter men som saknar en formell etikett, och den lyfter fram genetiska områden som kan vara särskilt viktiga för åldersrelaterade eller degenerativa former av skolios. Även om fler studier behövs för att bekräfta geners roller och för att tillämpa metoden på mer varierade populationer, pekar studien mot en framtid där subtila förändringar i medicinska bilder hjälper till att tidigt identifiera individer i riskzonen och vägleda forskning om hur och varför våra ryggar förändrar form över livet.

Citering: Zeosky, M., Kun, E., Reddy, S. et al. Deep learning-based precision phenotyping of spine curvature identifies novel genetic risk loci for scoliosis in the UK Biobank. npj Digit. Med. 9, 381 (2026). https://doi.org/10.1038/s41746-026-02540-6

Nyckelord: skolios, ryggradens kurvatur, djupinlärning, genetisk risk, UK Biobank