“我们想让骨质疏松筛查像量血压一样简单” ——访锦州医科大学青年创业者孙语含

在见到孙语含之前，记者很难将“骨质疏松”“人工智能”“创业”这几个词与眼前这位温婉而坚定的年轻女孩儿联系在一起。作为锦州医科大学的一名学生，孙语含带领团队研发的基于深度标记分布学习的脊柱骨密度量化方法，正在试图改写骨质疏松筛查的行业规则——让基层医院仅凭一张普通的脊柱X光片，就能做出接近金标准DXA检测精度的骨密度评估。

“我们做的事，其实是把专家的眼睛和判断逻辑，‘教会’人工智能。”孙语含说。

一个问题引发的追问

故事要从2023年说起。

彼时，孙语含跟随导师参与了一项社区慢病管理的调研项目。在一家基层社区卫生服务中心，她看到一位60多岁的阿姨，因为一次不经意的摔倒导致腰椎压缩性骨折，被家人搀扶着来就诊。

“医生看了片子后直摇头，说骨密度太低了，早该干预的。但阿姨从没做过骨密度检查，根本不知道自己有骨质疏松。”孙语含回忆道，“我当时就在想，我的姥姥似乎也没有做过这种筛查，但是经常感到腰酸背痛。为什么这么重要的检查，这么多人却从没做过？”

带着这个疑问，她开始了深入的调研。结果让她震惊：中国骨质疏松症患病率持续攀升，但知晓率、诊断率却极低。作为诊断金标准的双能X线吸收法（DXA）设备昂贵、检测费用高，基层医疗机构覆盖率严重不足。“很多老人，特别是农村的老人，可能一辈子都没机会做一次正规的骨密度检测，直到骨折发生。”她陷入了沉思。

“能不能用最常见的X光片来做骨密度初筛？”这个朴素的想法，成了孙语含科研的起点。

在不确定中寻找确定

这个想法听起来简单，实现起来却困难重重。

传统X光片虽然能显示骨骼形态，但骨密度的细微变化肉眼难以分辨，更难以量化。更棘手的是，即便用深度学习模型来“看图说话”，模型也常常给出一个看似精确、实则无法判断可信度的数字——这在临床上是致命的。

“医生问AI：‘这个预测准不准？’AI回答不上来。那医生怎么敢相信它？”孙语含解释道。

她和团队从根源上重新思考这个问题。在东南大学王靖老师的指导下，他们借鉴了“标记分布学习”的理念，让模型不仅输出一个预测值，还输出这个预测的“不确定性”——就像一个谨慎的医生，在面对模糊影像时会坦诚地说：“这张片子条件不太好，我的判断把握不大。”

在技术方案中，孙语含团队创新性地引入了条件生成对抗网络来扩充训练数据，并设计了一个混合预测模型：将AI的个体预测与同年龄段、同性别的WHO骨密度标准分布进行智能融合。“这相当于让AI既会‘看片子’，又会‘查标准’，两者结合，在给出判断的同时也给出信心指数。”

最终，该系统在验证中与DXA金标准达到了极高的一致性，同时在图像质量不佳时会自动提示“高不确定性”，将疑难案例留给医生最终判断——这种“知之为知之，不知为不知”的设计，赢得了临床医生的认可。

从实验室到病房的“最后一公里”

技术有了突破，但孙语含清楚，论文里的成果不等于患者能享受到的实惠。

“实验室里的模型再好，不能装进基层医院的电脑里，就永远只是一篇论文。”2025年前后，她开启了创业的想法。但创业之路远比想象中艰辛。从算法的工程化优化、软件界面的设计，到医疗器械分类界定、质量体系搭建、临床试验方案设计……每一个环节都是陌生的领域。团队一度只有寥寥数人，孙语含身兼算法工程师、产品经理、法务对接人等多重角色。

“最难的时候，我们为了一个型检细节和工程师反复打磨到了凌晨，第二天一早还要赶去和临床专家开会。”孙语含笑着回忆，“但每次听到合作的医生反馈‘这个功能确实能帮到我们’，就觉得一切都值了。”

目前，“慧骨科技”的创办正在稳步推进中，并与多家医院建立了临床合作关系。

让优质医疗触手可及

谈及创业的初衷，孙语含的回答朴素而有力量：“我们希望有一天，任何一个人在任何一家社区医院拍一张X光胸片或腰椎片，系统就能自动给出一份骨密度风险评估报告。高龄、低骨量的人会被提示进一步检查，该干预的早干预，该预防的早预防。”

这背后，是她对医疗公平的朴素追求。

“大城市的三甲医院有最好的设备，但在基层、在农村，很多人连骨密度这个概念都没听说过。骨折了才知道骨头已经‘空了’，往往为时已晚。”她说，“如果我们的技术能让筛查下沉到基层，让更多人知道自己骨头的情况，就能少一些‘一摔就折’的悲剧。”

采访的最后，孙语含说了一句让记者印象深刻的话：“科技的价值，不在于它有多酷炫，而在于它能不能真正帮助到那些最需要帮助的人。这条路很长，但我们会一直走下去。”

从发现问题到投身研究，从技术创新到创业落地，孙语含和她的团队，正在用行动诠释着医工结合的时代内涵。而那张看似普通的X光片上，正承载着让骨健康筛查惠及千万人的梦想。