老年骨质疏松患者骨折风险预测：临床预测工具与机器学习技术的研究进展

张昕昕^1,2，杨锐²，黄艳丽³，傅宏亮⁴，金磊²，陈婷²，牛培⁴，程云龙⁵，付婉婷²，袁玥²，程云章¹，张健^1,2，徐阿晶²

（1. 上海理工大学 健康科学与工程学院，上海 200093；2. 上海交通大学医学院附属新华医院 临床药学部，上海 200092；3. 成都市武侯区医院管理服务中心 科学与信息科，成都 610041；4. 上海交通大学医学院附属新华医院 核医学科，上海 200092；5. 上海交通大学 上海市可扩展计算与系统重点实验室；计算机学院，上海 200240）

摘要：人口老龄化使老年慢病患者骨质疏松性骨折成为威胁老年慢病患者健康的重大公共卫生问题。传统骨折风险预测工具（FRAX和QFracture），在老年患者群体中存在种族适配性不足、变量覆盖有限等缺陷。人工智能（AI）技术通过机器学习与深度学习的模型，整合患者生理特征，识别关键风险因子，可显著提升其在老年慢病合并骨质疏松人群中的预测性能。本文系统综述主流骨折风险预测工具的临床适用性差异，重点分析AI建模方法及模型性能。研究展望提出多模态融合、时序分析、元学习与可解释性增强四大方向，未来需构建兼具鲁棒性、泛化性与可解释性的智能预测系统，实现骨折风险精准动态管理。

关键词：人工智能（AI），风险预测，骨折，老年患者，骨质疏松

扫二维码浏览全文  

Cite this article

Zhang, X., Yang, R., Huang, Y. et al. Predicting Fracture Risk in Elderly Patients with Osteoporosis: Advances in Clinical Prediction Tools and Machine Learning Techniques. J. Shanghai Jiaotong Univ. (Sci.) (2026). https://doi.org/10.1007/s12204-026-2923-z