3D-DXA और 3D-Shaper का महत्वपूर्ण मूल्यांकन: पद्धतिगत सीमाएं और उनके निहितार्थ

Tristan Whitmarsh
Institute of Astronomy, University of Cambridge, Cambridge, UK

मूल सहकर्मी-समीक्षित लेख:
Tristan Whitmarsh, Critical evaluation of 3D-DXA and 3D-Shaper: methodological limitations and their implications, JBMR Plus, Volume 9, Issue 9, September 2025, ziaf075, https://doi.org/10.1093/jbmrpl/ziaf075.

सारांश

3D-DXA, जैसा कि सॉफ़्टवेयर टूल 3D-Shaper में लागू किया गया है, एक सॉफ़्टवेयर पद्धति है जो सांख्यिकीय मॉडल को पंजीकृत करके एक एकल 2D DXA छवि से प्रॉक्सिमल फेमर (proximal femur) का 3D पुनर्निर्माण उत्पन्न करती है। 3D-DXA के कार्यान्वयन का उद्देश्य ट्रैब्युलर (trabecular), कॉर्टिकल (cortical) और संरचनात्मक मापदंडों का अनुमान प्रदान करना है जो मात्रात्मक कंप्यूटेड टोमोग्राफी (QCT) से प्राप्त मापदंडों के समान हैं। सॉफ़्टवेयर विधियों के आविष्कारक और विकासक के रूप में, जिन पर 3D-DXA आधारित है, मैं इसके व्यापक उपयोग को बढ़ते हुए देख रहा हूँ। यह लेख 3D-DXA में निहित पद्धतिगत सीमाओं का महत्वपूर्ण मूल्यांकन प्रदान करता है और अनुसंधान तथा रोगी देखभाल के लिए उनके निहितार्थों पर चर्चा करता है। प्राथमिक मुद्दा यह है कि DXA छवि में कॉर्टेक्स (cortex) की सीमित दृश्यता 3D-DXA को कॉर्टिकल मापदंडों को सटीक रूप से प्राप्त करने से रोकती है। इसके बजाय, सॉफ़्टवेयर प्रत्यक्ष कॉर्टिकल माप के बजाय समग्र BMD पर आधारित भविष्यवाणियों पर निर्भर करता है। इससे ऐसे परिणाम मिल सकते हैं जो वास्तविक कॉर्टिकल माप को प्रतिबिंबित नहीं करते हैं। अतिरिक्त चिंताओं में सांख्यिकीय मॉडल के एक विशिष्ट जनसांख्यिकीय से प्राप्त होने के कारण जनसंख्या पूर्वाग्रह, और सिंगल-व्यू DXA छवियों का उपयोग करके सीमित पुनर्निर्माण सटीकता शामिल हैं। इन सीमाओं के परिणामस्वरूप गलत माप और अनुसंधान परिणाम आए हैं, जिन्हें अनुपयुक्त प्रदर्शन मूल्यांकन मेट्रिक्स के उपयोग और 3D-DXA से संबंधित अध्ययनों में कई तुलना सुधारों (multiple comparison corrections) की अनुपस्थिति के कारण पहचाना नहीं गया है। इन सीमाओं के बावजूद, 3D-DXA को विभिन्न देशों में विनियामक अनुमोदन प्राप्त हुआ है, जो संभावित रूप से नैदानिक निदान और उपचार निर्णयों की सटीकता से समझौता करता है। इन मुद्दों को उजागर करके, इस लेख का उद्देश्य चिकित्सकों, शोधकर्ताओं और विनियामक निकायों को 3D-DXA की महत्वपूर्ण सीमाओं के बारे में सूचित करना है। यह परिणामों की गलत व्याख्या को रोकने और रोगी सुरक्षा सुनिश्चित करने के लिए अनुसंधान और नैदानिक सेटिंग्स में इसके उपयोग के पुनर्मूल्यांकन की तत्काल आवश्यकता पर जोर देता है।

कीवर्ड

3D-DXA, 3D-Shaper, मात्रात्मक कंप्यूटेड टोमोग्राफी, अस्थि खनिज घनत्व (BMD), दोहरी ऊर्जा एक्स-रे एब्जॉर्पियोमेट्री (DXA), कॉर्टिकल पैरामीटर मैपिंग, हिप संरचना विश्लेषण।

सामान्य सारांश

यह समीक्षा 3D-DXA सॉफ़्टवेयर, जिसे 3D-Shaper के रूप में भी जाना जाता है, का आलोचनात्मक परीक्षण करती है, जिसका उद्देश्य एकल DXA छवि से प्रॉक्सिमल फेमर के ट्रैब्युलर, कॉर्टिकल और संरचनात्मक मापदंडों का अनुमान लगाना है। 3D-DXA में कई अंतर्निहित सीमाएं हैं जो गलत माप का कारण बन सकती हैं, जो संभावित रूप से अनुसंधान परिणामों और रोगी उपचार निर्णयों को प्रभावित करती हैं। शोधकर्ताओं और चिकित्सकों के लिए इन मुद्दों को समझना महत्वपूर्ण है ताकि उन गलत व्याख्याओं से बचा जा सके जो हड्डी शरीर विज्ञान, दवा उपचार प्रभावों और रोगी सुरक्षा के हमारे ज्ञान को प्रभावित कर सकती हैं।

परिचय

3D-DXA एक सॉफ़्टवेयर पद्धति है जो प्रॉक्सिमल फेमर का 3D मॉडल उत्पन्न करने के लिए एक एकल 2D DXA छवि पर 3D सांख्यिकीय विकृत मॉडल को पंजीकृत करती है [1]। मॉडल को 81 महिलाओं और 30 पुरुषों की स्पेनिश कोकेशियान आबादी के मात्रात्मक कंप्यूटेड टोमोग्राफी (QCT) स्कैन के एक सेट से बनाया गया है, जिनकी औसत आयु 56.2 ± 12.1 वर्ष है, और यह 30 से 84 वर्ष के बीच है [2]। सांख्यिकीय मॉडल के पैरामीटर बाद में इस जनसंख्या के आकार और घनत्व वितरण में मुख्य भिन्नों का वर्णन करते हैं। एक पुनरावृत्ति प्रक्रिया में, मॉडल के मापदंडों के साथ-साथ स्थान, अभिविन्यास और आकार की खोज की जाती है ताकि मॉडल का प्रक्षेपण (projection) DXA छवि के समान हो सके (चित्र 1)। परिणामी 3D मॉडल से, कॉर्टिकल मापदंडों को हड्डी की सतह पर मापा जाता है, साथ ही इसके भीतर ट्रैब्युलर वॉल्यूमेट्रिक BMD मान भी मापे जाते हैं। QCT के साथ 3D-DXA की तुलना करने पर कॉर्टिकल मोटाई के लिए 0.33 मिमी और कॉर्टिकल घनत्व के लिए 72 मिलीग्राम/सेमी³ की औसत पूर्ण त्रुटि (mean absolute error) दर्ज की गई, जिसमें सहसंबंध गुणांक (correlation coefficients) 0.86 या उससे अधिक था [2]।
3D-DXA की पुनरावृत्ति प्रक्रिया को दर्शाने वाला फ्लोचार्ट।
चित्र 1. एक एकल 2D DXA छवि से 3D प्रॉक्सिमल फेमर आकार और घनत्व वितरण के पुनर्निर्माण के लिए उपयोग की जाने वाली 3D-DXA की पुनरावृत्ति प्रक्रिया को दर्शाने वाला फ्लोचार्ट। प्रत्येक पुनरावृत्ति पर, विकृत घनत्व मॉडल उदाहरण से एक प्रक्षेपण उत्पन्न किया जाता है, जिसे डिजिटल रूप से पुनर्निर्मित रेडियोग्राफ (DRR) के रूप में जाना जाता है। फिर DRR की तुलना माध्य वर्ग त्रुटि (mean squared error) जैसे समानता के मेट्रिक की गणना करके वास्तविक DXA छवि से की जाती है। मॉडल मापदंडों और समानता परिवर्तन (रोटेशन, अनुवाद और स्केल) को फिर इस तरह से समायोजित किया जाता है कि अगली पुनरावृत्ति में समानता बढ़ाने का प्रयास किया जा सके। यह प्रक्रिया तब तक जारी रहती है जब तक कि प्रक्रिया अभिसरित (converge) न हो जाए, जिससे DRR और DXA छवि के बीच समानता पूर्व निर्धारित सीमा से अधिक न बदले। [3] से अनुकूलित।

यद्यपि सांख्यिकीय मॉडल का उपयोग करके DXA छवियों से हड्डी संरचनाओं के 3D पुनर्निर्माण के लिए अन्य तरीके प्रस्तावित किए गए हैं [4, 5], यह 2010 में पहली बार प्रकाशित सॉफ़्टवेयर पद्धति [6] है जिसे बाद में गैल्गो मेडिकल एसएल (बार्सिलोना, स्पेन) द्वारा 3D-DXA के रूप में व्यावसायिक रूप दे दिया गया, जो पॉम्पेउ फैब्रा विश्वविद्यालय (बार्सिलोना, स्पेन) की एक स्पिन-ऑफ कंपनी है। इस सॉफ़्टवेयर को बाद में वॉल्यूमेट्रिक पुनर्निर्माणों से कॉर्टिकल मोटाई और कॉर्टिकल अस्थि खनिज घनत्व (BMD) को मापने के लिए विस्तारित किया गया [2], जिसे अब 3D-शेपर मेडिकल एसएल (बार्सिलोना, स्पेन) द्वारा 3D-Shaper के रूप में व्यावसायिक रूप दे दिया गया है, जो गैल्गो मेडिकल एसएल की एक और स्पिन-ऑफ कंपनी है, जो सेवा और सॉफ़्टवेयर दोनों प्रदान करती है। सॉफ़्टवेयर को DMS इमेजिंग (मॉगुलियो, फ्रांस) को उनके स्ट्रेटोस/मेडिक्स DXA उपकरणों के साथ 3D-DXA के रूप में बेचने के लिए लाइसेंस दिया गया है। फुजीफिल्म (टोक्यो, जापान) DMS के समान DXA उपकरणों को फुजीफिल्म ब्रांड नाम FDX विजनरी DXA के तहत बेच रहा है। इसके अलावा Imex मेडिकल (साओ जोस, ब्राजील) इन उपकरणों को एलीप्स सीरीज़ के रूप में बेचता है और रेडियोलॉजी एसए (मैड्रिड, स्पेन) इन्हें रेडियोस्कोर - DR के रूप में बेचता है। इन सभी में 3D-DXA जोड़ने का विकल्प शामिल है।
मूल सॉफ़्टवेयर पद्धति विकसित करने के बाद [1], मुझे इसकी अंतर्निहित सीमाओं की गहरी समझ है जो अन्य उपयोगकर्ताओं और शोधकर्ताओं के लिए स्पष्ट नहीं हो सकती है। हालाँकि मैंने बोन (Bone) के संपादक को लिखे एक पत्र में इस सॉफ़्टवेयर की मुख्य सीमा के बारे में बताया है [7], फिर भी 3D-DXA पूरी दुनिया में बेचा और उपयोग किया जा रहा है। 3D-Shaper को यूरोपीय संघ, जापान, थाईलैंड, अर्जेंटीना में नियामक अधिकारियों से अनुमोदन प्राप्त हुआ है, और FDA से 510(k) मंजूरी मिली है, जो रोगियों में निदान और उपचार के निर्णय लेने के लिए इसके उपयोग को अधिकृत करती है। इन पृष्ठांकनों को देखते हुए, इस सॉफ़्टवेयर के बारे में कुछ गलतफहमियों को दूर करना और स्पष्ट करना महत्वपूर्ण और तत्काल आवश्यक है, जिससे इसकी सीमाओं की समझ बढ़ेगी।

पद्धतिगत सीमाएं

इस अनुभाग में मैं उस कार्यप्रणाली की कुछ सीमाओं के बारे में बताऊंगा जिस पर 3D-DXA आधारित है, साथ ही विशिष्ट कार्यान्वयन विवरण भी जो आगे की अशुद्धियों में योगदान दे सकते हैं।

कॉर्टिकल मापदंडों को मापा नहीं जाता है

मुख्य मुद्दा DXA छवियों में कॉर्टेक्स की दृश्यता की कमी के साथ है जिससे 3D-DXA अपने कॉर्टिकल मापदंड प्राप्त कर सके। इसे स्पष्ट करने के लिए, मैं बोन (Bone) के संपादक को लिखे पत्र के एक चित्र पर फिर से गौर करना चाहूँगा (चित्र 2)। DXA छवि स्पष्ट रूप से दिखाती है कि हड्डी की सतह पर अधिकांश स्थानों पर, कॉर्टिकल मापदंडों को प्राप्त करने के लिए कोई प्रत्यक्ष कॉर्टेक्स दिखाई नहीं देता है। यह हड्डी के प्रक्षेपण (ए) की आकृति पर लागू होता है और विशेष रूप से सच है जहां दो विपरीत कॉर्टिस एक्स-रे डिटेक्टर (बी) के लंबवत होते हैं। यह 0.3 x 0.25 मिमी के पिक्सेल आकार वाले GE iDXA स्कैनर की इस छवि में स्पष्ट है, लेकिन पुराने GE Prodigy DXA उपकरणों का उपयोग करने वाली छवियों में यह और भी अधिक स्पष्ट हो जाता है, जो 0.6 x 1.05 मिमी के पिक्सेल आकार के साथ काफी कम रिज़ॉल्यूशन वाली छवियां उत्पन्न करते हैं, लेकिन 3D-Shaper सॉफ़्टवेयर द्वारा समर्थित भी हैं।
GE iDXA स्कैनर का उपयोग करके प्राप्त एक युवा वयस्क का उदाहरण DXA हिप स्कैन।
चित्र 2. GE iDXA स्कैनर का उपयोग करके प्राप्त एक युवा वयस्क का उदाहरण DXA हिप स्कैन। यह चित्र पहले [7] में प्रकाशित किया गया था।

DXA छवि से सीधे कॉर्टिकल मापदंडों को मापने के बजाय, 3D-DXA DXA छवि पर आकार और घनत्व वितरण के एक सांख्यिकीय मॉडल को पंजीकृत करता है [3], और इस मॉडल से कॉर्टिकल मापदंडों को निकालता है [2]। यह मॉडल कैलिब्रेटेड QCT स्कैन के एक सेट से बनाया गया है, जिसमें एक मानक CT स्कैन में वोक्सेल्स (voxels) की हाउन्सफील्ड इकाइयों को कैलिब्रेशन फैंटम का उपयोग करके BMD मानों में परिवर्तित किया जाता है।
मॉडल बनाने के लिए, प्रत्येक QCT स्कैन में प्रॉक्सिमल फेमर को पहले खंडित (segmented) किया जाता है, जिसका अर्थ है कि प्रॉक्सिमल फेमर का एक सतह जाल (surface mesh) बनाया जाता है। फिर एक गणितीय तकनीक, जैसे कि मुख्य घटक विश्लेषण (Principal Component Analysis), संरेखित फेमर अस्थि सतहों के बिंदुओं पर लागू की जाती है, जिसके परिणामस्वरूप एक औसत आकार और मुख्य घटकों (PCs) का एक सेट प्राप्त होता है जो इसके महत्व के क्रम में आकार में भिन्नता का वर्णन करता है।
घनत्व वितरण का सांख्यिकीय मॉडल बनाने के लिए, QCT वॉल्यूम को औसत आकार में विकृत किया जाता है, और समान सांख्यिकीय पद्धति वॉल्यूम में BMD मानों पर लागू की जाती है, जो एक औसत वॉल्यूम और PC का एक सेट उत्पन्न करती है जो पूरे वॉल्यूम में अस्थि खनिज घनत्व में भिन्नता का वर्णन करती है।
प्रत्येक मुख्य घटक उस तरीके का प्रतिनिधित्व करता है जिसमें हड्डी का आकार या घनत्व भिन्न हो सकता है (चित्र 3)। मॉडल पैरामीटर संख्यात्मक कारक हैं जो यह निर्धारित करते हैं कि औसत मॉडल में प्रत्येक घटक का कितना हिस्सा जोड़ा गया है। इन मापदंडों को समायोजित करने से आकार या घनत्व वितरण में परिवर्तन होता है, जिससे नए मॉडल उदाहरण बनते हैं। मापदंडों को आमतौर पर इसकी भिन्नता के 2.5 से 3 मानक विचलन तक सीमित रखा जाता है ताकि यह सुनिश्चित किया जा सके कि हड्डी का मॉडल हमेशा उन QCT स्कैन के सेट के अनुसार यथार्थवादी दिखे जिनसे इसे बनाया गया है। मॉडल का एक नया उदाहरण बनाने के लिए, घनत्व वॉल्यूम को नए आकार से मिलान करने के लिए विकृत किया जाता है, जिसमें आकार बिंदुओं के उपसमुच्चय (subset) के साथ गणना किए गए थिन प्लेट स्प्लाइन्स (TPS) परिवर्तन का उपयोग किया जाता है।
आकार मॉडल के औसत और पहले तीन मुख्य घटक (PC) (बाएं) और घनत्व मॉडल के प्रक्षेपण (दाएं), -3 और +3 मानक विचलन (σ) के बीच भिन्न।
चित्र 3. आकार मॉडल के औसत और पहले तीन मुख्य घटक (PC) (बाएं) और घनत्व मॉडल के प्रक्षेपण (दाएं), -3 और +3 मानक विचलन (σ) के बीच भिन्न। [3] से अनुकूलित।

3D-DXA बाद में मॉडल मापदंडों को पुनरावृत्ति से बदलकर और संगत मॉडल उदाहरण उत्पन्न करके, साथ ही मॉडल को घुमाकर और स्थानांतरित करके एक 3D पुनर्निर्माण उत्पन्न करता है, जब तक कि मॉडल का प्रक्षेपण पूर्व निर्धारित समानता मेट्रिक दहलीज (चित्र 1) के अनुसार DXA छवि के साथ मेल नहीं खाता।
फिर QCT के लिए प्रस्तावित डीकॉन्वोल्यूशन दृष्टिकोण (deconvolution approach) के समकक्ष एक पद्धति का उपयोग करके मॉडल के उदाहरण से कॉर्टिकल मोटाई और कॉर्टिकल घनत्व को मापा जाता है [8]। इसलिए, कॉर्टिकल मापदंडों को DXA छवि से नहीं मापा जाता है, बल्कि एक पैरामीट्रिक मॉडल से मापा जाता है जिसे इस छवि पर पंजीकृत किया गया था।
इस प्रकार, जब 3D-DXA द्वारा कॉर्टिकल मापदंडों के मानचित्र प्रस्तुत किए जाते हैं, उन स्थानों पर मानों के साथ जहां संभवतः कोई कॉर्टेक्स नहीं मापा जा सकता था [9, 10, 11, 12, 13], तो ये मानचित्र केवल मॉडल उदाहरण से प्राप्त किए गए थे। हालाँकि 3D-Shaper Medical बोन (Bone) के संपादक को लिखे एक जवाब में स्पष्ट करता है [14] कि ये पैरामीटर मापने के बजाय अनुमानित किए गए हैं, एक अधिक सटीक विवरण यह होगा कि 3D-DXA एक जटिल और संभावित रूप से त्रुटि-प्रवण सांख्यिकीय पद्धति का उपयोग करके इन मानों की भविष्यवाणी करता है। DXA छवियों में कॉर्टेक्स की सीमित दृश्यता को देखते हुए, सॉफ़्टवेयर मुख्य रूप से समग्र हड्डी घनत्व पर निर्भर करता है और उस स्पेनिश आबादी की सांख्यिकीय विशेषताओं से विवश होता है जिस पर मॉडल आधारित है। इस सीमा के व्यापक निहितार्थों की समीक्षा में आगे चर्चा की गई है।
घनत्व मॉडल का एक उदाहरण तैयार करना और कॉर्टिकल मापदंडों को मापना।
चित्र 4. इस वॉल्यूम से घनत्व मॉडल का एक उदाहरण तैयार करने और कॉर्टिकल मापदंडों को मापने का उदाहरण। शीर्ष पैनल माध्य, PC1, PC2, PC3 के साथ घनत्व मॉडल के क्रॉस-सेक्शन और इन वॉल्यूम के रैखिक संयोजन द्वारा उत्पन्न नया मॉडल उदाहरण दिखाते हैं। उनके नीचे हम वॉल्यूम में एक रेखा से लिए गए वोक्सेल्स के मान देखते हैं जो क्रॉस-सेक्शन में लाल रेखा द्वारा इंगित की गई है। बाईं ओर हम देख सकते हैं कि कैसे मॉडल को स्मूथ करके (नीला) वोक्सेल मानों में एक स्टेयर स्टेप मॉडल (लाल) फिट किया गया है। इसके परिणामस्वरूप कॉर्टिकल मोटाई और कॉर्टिकल vBMD मान प्राप्त होते हैं जिन्हें सतह BMD (sBMD) मान (हरा) में जोड़ा जा सकता है। जब यह हड्डी की सतह पर हर बिंदु पर किया जाता है तो ऊपर दिखाए गए अनुसार एक रंग कोडित कॉर्टिकल सतह मानचित्र उत्पन्न किया जा सकता है।

उपयोग किए गए मॉडल मापदंडों की संख्या

ऐसा कोई एकल मापदंड नहीं है जो कॉर्टिकल मोटाई को बढ़ाता हो। इसके बजाय, कॉर्टेक्स का प्रतिनिधित्व औसत 3D वॉल्यूम और घनत्व मॉडल के PC के रैखिक संयोजन पर निर्भर करता है। चित्र 4 में हम एक उदाहरण देख सकते हैं कि कैसे माध्य और पहले तीन PC एक नया मॉडल उदाहरण उत्पन्न कर सकते हैं। इस उदाहरण में, मॉडल पैरामीटर, जो PC के लिए स्केलिंग कारक हैं, के मान क्रमशः 2, 3 और -1.5 हैं। जबकि PC1 हर जगह घनत्व बढ़ाता या घटाता है, अन्य PC घनत्व वितरण को गैर-वर्णनात्मक तरीके से बदलते हैं। यह चित्र यह भी दर्शाता है कि कैसे कॉर्टिकल मापदंड बाद में इस नए वॉल्यूम से एक स्मूथ स्टेयर-स्टेप मॉडल फिट करके अनुमानित किए जाते हैं। कॉर्टिकल मोटाई, कॉर्टिकल घनत्व, या ट्रैब्युलर घनत्व के चयनात्मक और स्वतंत्र समायोजन के लिए, यदि बिल्कुल प्राप्त किया जा सकता है, तो कई मुख्य घटकों और फलस्वरूप कई मॉडल मापदंडों के जटिल संयोजन की आवश्यकता होगी।
आमतौर पर मुख्य घटकों के एक उपसमुच्चय को रखा जाता है जो भिन्नता के मुख्य मोड का वर्णन करते हैं। यह BMD वितरण और सतह बिंदुओं की भिन्नता को मापदंडों के एक कम सेट तक कम कर देता है। कितने मॉडल मापदंडों की आवश्यकता है, यह आमतौर पर आकार और घनत्व मॉडल मापदंडों की संख्या की गणना करके निर्धारित किया जाता है जो इसकी जनसंख्या के भीतर 95% विविधताओं का वर्णन करते हैं, या संचयी भिन्नता प्लॉट (cumulative variance plot) में "कोहनी" (elbow) का निर्धारण करके। हालांकि, हॉर्न के समानांतर विश्लेषण (Horn's parallel analysis) [6] का उपयोग करना अधिक सटीक है जो गणितीय रूप से आकलन करता है कि किन PC को शोर माना जाना चाहिए और इसलिए छोड़ा जा सकता है।
यद्यपि मापदंडों की संख्या किसी भी सांख्यिकीय मॉडलिंग दृष्टिकोण में एक महत्वपूर्ण तत्व है, मेरी जानकारी के अनुसार इस संख्या, या इस संख्या को प्राप्त करने की विधि का खुलासा 3D-Shaper Medical द्वारा कभी नहीं किया गया है। यदि मापदंडों की संख्या उचित रूप से बड़ी नहीं है, जैसा कि हॉर्न के समानांतर विश्लेषण द्वारा निर्धारित किया गया है, तो यह इनपुट जनसंख्या के फेमर आकृति विज्ञान (femur morphology) में भिन्नता की पूरी श्रृंखला का सटीक प्रतिनिधित्व करने में सक्षम नहीं हो सकता है। इसके अलावा, यदि अनुसंधान और नैदानिक अनुप्रयोगों में मापदंडों की यह संख्या समान नहीं है, तो 3D-DXA की रिपोर्ट की गई और नैदानिक सटीकता में विच्छेद होगा।

संभावित जनसंख्या पूर्वाग्रह

3D-DXA द्वारा उत्पन्न कोई भी 3D हड्डी मॉडल इनपुट जनसंख्या की विविधताओं पर आंकड़ों से प्राप्त किया गया है। 3D-Shaper के मामले में, सांख्यिकीय मॉडल 81 महिलाओं और 30 पुरुषों की स्पेनिश आबादी से बनाया गया है, जिनकी औसत आयु 56.2 ± 12.1 वर्ष [30 वर्ष - 84 वर्ष] है [2] बिना उन उपचारों या बीमारियों के जो हड्डी के चयापचय (metabolism) को प्रभावित करते हैं [15]। यह स्पष्ट है कि पुरुषों और महिलाओं के बीच फेमर आकृति विज्ञान भिन्न होता है, लेकिन जनसांख्यिकी भी एक महत्वपूर्ण भूमिका निभाती है। उदाहरण के लिए, कोकेशियान आबादी की फेमर हड्डियाँ एशियाई आबादी की तुलना में काफी भिन्न होती हैं, जैसा कि पिछले अध्ययनों में प्रलेखित किया गया है [16]।
कोकेशियान आबादी से बना मॉडल एशियाई आबादी के प्रत्येक विषय पर फिट होने वाला पुनर्निर्माण उत्पन्न करने में सक्षम नहीं होगा। ऐसा इसलिए है क्योंकि एक सांख्यिकीय मॉडल के पैरामीटर स्पेनिश आबादी के औसत फेमर मॉडल के आसपास 3 मानक विचलन तक सीमित हैं। उदाहरण के लिए, एक अध्ययन रिपोर्ट करता है कि गोरी महिलाओं के फेमर गर्दन की कॉर्टिकल मोटाई 1.84 ± 0.03 मिमी होती है, जबकि कोरियाई महिलाओं के लिए यह 2.41 ± 0.71 मिमी होती है, जैसा कि QCT स्कैन द्वारा मापा जाता है [17]। नतीजतन, 2.41 मिमी की औसत कॉर्टिकल मोटाई वाली एक कोरियाई महिला श्वेत आबादी के लिए भिन्नता की सीमा से बाहर हो जाएगी जब इसे तीन मानक विचलन (1.75-1.93 मिमी) तक सीमित किया जाता है। यह उदाहरण लक्ष्य जनसंख्या का प्रतिनिधित्व करने वाले मॉडल के महत्व को दर्शाता है।
यद्यपि 3D-DXA द्वारा किए गए उपाय जापानी आबादी में QCT के साथ सहसंबद्ध हैं [18], यह केवल इसलिए है क्योंकि सभी पैरामीटर एरियल BMD के साथ सहसंबद्ध हैं। इसका मतलब यह नहीं है कि रोगी विशिष्ट पुनर्निर्माण प्राप्त किए गए थे। विशेष रूप से, अनुमानित कॉर्टिकल पैरामीटर वास्तविक मानों से काफी विचलित हो सकते हैं, विशेष रूप से उनके स्थानिक वितरण के संबंध में। भले ही अनुमानित फेमर आकार त्रुटिपूर्ण हो, घनत्व मान, जिसमें कॉर्टिकल मोटाई और कॉर्टिकल BMD शामिल हैं, अभी भी aBMD को प्रतिबिंबित करेंगे, जब तक कि सांख्यिकीय मॉडल का प्रक्षेपण काफी हद तक DXA छवि में हड्डी के साथ ओवरलैप होता है। कम aBMD वाले व्यक्ति में किसी भी आबादी में उच्च aBMD वाले रोगी की तुलना में कम vBMD, कम कॉर्टिकल BMD और पतला कॉर्टेक्स होगा। इसके अलावा, [18] ने केवल सहसंबंधों की सूचना दी, और स्पेनिश आबादी से विकसित मॉडल को जापानी आबादी पर लागू करने पर महत्वपूर्ण पूर्वाग्रह हो सकता है, जिसके नैदानिक परिणाम हो सकते हैं। इस मौलिक सीमा के बावजूद, 3D-DXA वर्तमान में जापान, थाईलैंड और भारत जैसे देशों सहित एशिया में विपणन किया जा रहा है।
एक सांख्यिकीय मॉडल को उस जनसंख्या पर प्रशिक्षित करने की आवश्यकता होती है जिस पर इसे लागू किया जाता है। इसका अर्थ प्रत्येक लिंग, जातीयता और संभावित उपचार प्रकार के लिए अलग-अलग मॉडल बनाना हो सकता है, या इन सभी उपसमूहों को एक मॉडल में शामिल करना हो सकता है, बशर्ते कि परिवर्तनशीलता की पूरी श्रृंखला को पकड़ने के लिए पर्याप्त मापदंड रखे जाएं। यह सिद्धांत मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस टूल्स के लिए अच्छी तरह से स्थापित है [19, 20, 21, 22] लेकिन सांख्यिकीय मॉडलिंग दृष्टिकोणों के लिए और भी अधिक महत्वपूर्ण है, जहां मॉडल सक्रिय रूप से इनपुट आबादी द्वारा विवश होते हैं। फिर भी, 3D-DXA का उपयोग उन आबादियों वाले अध्ययनों में किया गया है जो स्पष्ट रूप से मॉडल आबादी से अलग हैं, जिनमें शामिल हैं: पेशेवर नर्तक [9], फुटबॉल खिलाड़ी और तैराक [23], मोटापे से ग्रस्त युवा महिलाएं [24], अश्वेत महिलाएं [25], उच्च अस्थि द्रव्यमान वाले रोगी [11], वयस्क विकास हार्मोन की कमी वाले [26], सोरायटिक रोग के साथ [27], टाइप 2 मधुमेह के साथ [28], प्राइमरी हाइपरपैराथायरायडिज्म के साथ [10, 29], एक्रोमेगाली के साथ [30], डाउन सिंड्रोम के साथ [13], स्लीव गैस्ट्रेक्टोमी (sleeve gastrectomy) के बाद [31], रीढ़ की हड्डी की चोट वाले पुरुष [32], कम अस्थि द्रव्यमान वाले ऑस्ट्रेलियाई मध्यम आयु वर्ग और वृद्ध पुरुष [33], और शायद सबसे चिंताजनक, पीडियाट्रिक कैंसर सर्वाइवर्स [34]।

सीमित पुनर्निर्माण सटीकता

3D-DXA एक अत्यधिक जटिल पद्धति है जिसमें कई चरणों में त्रुटियों की संभावना होती है। इनमें QCT कैलिब्रेशन से अशुद्धियाँ, सांख्यिकीय मॉडल बनाने के लिए विकृत पंजीकरण (deformable registration), आकार उदाहरण के लिए घनत्व मॉडल का विरूपण, QCT और DXA के बीच BMD और रिज़ॉल्यूशन में विसंगतियां, और फैन बीम प्रोजेक्शन के बजाय आइसोमेट्रिक प्रोजेक्शन द्वारा मॉडल प्रोजेक्शन का सरलीकरण शामिल हैं। इनमें से प्रत्येक कारक अप्रत्याशित तरीकों से पूर्वाग्रह पैदा कर सकता है, जिससे परिणाम बिगड़ सकते हैं। इसके अलावा, विशिष्ट कार्यान्वयन विवरण, जैसे कि 111 वयस्क स्पेनिश विषयों (जो आकार, घनत्व और कॉर्टिकल मोटाई में भिन्नता को सीमित करता है) के एक बहुत छोटे सेट से सांख्यिकीय मॉडल का निर्माण, इस सॉफ़्टवेयर टूल की प्रयोज्यता (applicability) को और प्रतिबंधित करता है।
इसके अलावा, यह स्पष्ट नहीं है कि 3D-Shaper GE और Hologic उपकरणों से प्रोपराइटरी डेटा फाइलों को सटीक रूप से पढ़ सकता है या नहीं, विशेष रूप से अलग-अलग शरीर रचनाओं के लिए सुधार कारकों को सही ढंग से लागू करने के संबंध में। ये संभावित अशुद्धियाँ 3D-Shaper परिणामों को प्रभावित कर सकती हैं जब विभिन्न आबादियों पर लागू किया जाता है या समय के साथ जनसंख्या विशेषताओं में बदलाव आता है।
यह तर्कसंगत है कि, यदि प्रॉक्सिमल फेमर का आकार और अभिविन्यास DXA छवि के साथ मिलीमीटर सटीकता के भीतर पूरी तरह से मेल नहीं खाता है, तो मिलीमीटर सटीकता के भीतर कॉर्टिकल मोटाई, और न ही कॉर्टिकल घनत्व निकालना संभव होना चाहिए। दुर्भाग्य से केवल एक एकल 2D DXA छवि से एक पूर्ण पुनर्निर्माण उत्पन्न करना संभव नहीं है जैसा कि 3D-DXA के साथ एक शुरुआती अध्ययन पहले ही दिखा चुका है [35]। यहाँ यह दिखाया गया था कि दूसरा दृश्य जोड़ने से आकार की त्रुटि 1.3 मिमी से 0.9 मिमी तक कम हो जाती है, और BMD त्रुटि 4.4% से 3.2% तक कम हो जाती है, जो एकल दृश्य से एक उप-इष्टतम पुनर्निर्माण का संकेत देती है। इसके विपरीत, कंप्यूटेड टोमोग्राफी फेमर के चारों ओर सभी कोणों से प्राप्त सैकड़ों अनुमानों का उपयोग करके एक वॉल्यूम का पुनर्निर्माण करती है। जिससे QCT कॉर्टिकल और ट्रैब्युलर मापदंडों के स्वतंत्र माप की अनुमति देता है।
3D-DXA इस आधार पर पूरी तरह से अलग आकृति विज्ञान के साथ फेमर मॉडल तैयार कर सकता है कि मॉडल पैरामीटर खोज कहां अभिसरित (converge) हुई, विशेष रूप से यदि सही रोटेशन प्राप्त नहीं हुआ था। यह बहुत भिन्न हो सकता है, जैसा कि उसी दिन बार-बार किए गए DXA स्कैन से जुड़े 3D-DXA का उपयोग करने वाले एक अध्ययन से प्रमाणित होता है, जिसमें 62% तक अनुमानित शक्ति में अंतर का पता चला है [36]। इस अध्ययन में तत्व-दर-तत्व BMD अंतर 30 ± 50% तक पहुँचने की सूचना भी दी गई है, जो संभवतः कॉर्टिकल मापदंडों के लिए कम दोहराव सटीकता (low repeatability accuracy) में भी प्रतिबिंबित होगा, हालाँकि ये संख्याएँ प्रदान नहीं की गई थीं। एक अलग अध्ययन में, 3D-Shaper और QCT घनत्व मानों के बीच सहसंबंध भी कम (r2 = 0.48) होने की सूचना दी गई थी [37], जो आगे एक सीमित विषय-विशिष्ट पुनर्निर्माण सटीकता का संकेत देता है।
3D-DXA का उपयोग करके फेमर के संरचनात्मक मापदंडों को मापने पर एक अध्ययन में, फेमर गर्दन अक्ष की लंबाई के लिए r = 0.86 का सहसंबंध गुणांक दर्ज किया गया था [38] जब CT से जमीनी सच्चाई माप के साथ 3D-DXA वॉल्यूम से प्राप्त मापों को सहसंबद्ध किया गया था। यह सीधे DXA छवि में मापे जाने (r = 0.90, [39]) से भी बदतर है। इसके अलावा, 3D-DXA द्वारा उत्पादित फेमर गर्दन शाफ्ट कोण सीमित सटीकता के हैं (r = 0.71, [38])। इस सटीकता की कमी का एक स्पष्ट कारण यह है कि पुनर्निर्माण प्रक्रिया से फेमर सिर (femur head) को एक मास्क का उपयोग करके बाहर रखा गया है ताकि हेमिपेल्विस (hemipelvis) के ओवरलैप को पुनर्निर्माण में हस्तक्षेप करने से रोका जा सके, हालांकि इसे हेमिपेल्विस के दूसरे मॉडल को जोड़कर हल किया जा सकता है जैसा कि [5] में किया गया है।
कॉर्टिकल मापदंडों को मापने के लिए 3D-DXA की क्षमता का मूल्यांकन करने वाले अध्ययन में फेमर गर्दन पर 3D-DXA और QCT के बीच 0.04 ± 0.21 मिमी और ट्रोकैन्टर (trochanter) पर -0.07 ± 0.15 मिमी का औसत (± मानक विचलन) कॉर्टिकल मोटाई अंतर दर्ज किया गया है [2]। इस अध्ययन ने फेमर मॉडल सतह (चित्र 5) में औसत और अधिकतम पूर्ण कॉर्टिकल मोटाई अनुमान त्रुटियों को दिखाने वाला एक चित्र भी प्रस्तुत किया, जिसमें फेमर सतह के अधिकांश हिस्सों में औसत त्रुटि 0.2 मिमी से अधिक और अधिकतम त्रुटि 1 मिमी से अधिक थी। तुलनात्मक रूप से, 18 महीने के अलेंड्रोनेट उपचार के बाद कॉर्टिकल मोटाई परिवर्तनों को मापने वाले एक QCT अध्ययन में 1.4% की वृद्धि दर्ज की गई, जो कॉर्टिकल मोटाई में लगभग 0.018 मिमी की वृद्धि के बराबर है [40]। टेरिपैराटाइड पर तीन नैदानिक परीक्षणों से संकलित आंकड़ों ने संकेत दिया कि कॉर्टिकल मोटाई में 0.035 मिमी की वृद्धि हुई [41]। यह देखते हुए कि 3D-DXA त्रुटि इन विशिष्ट उपचार-प्रेरित परिवर्तनों से अधिक है, 3D-DXA माप विश्वसनीय रूप से वास्तविक चिकित्सा-संचालित प्रभावों और पद्धतिगत शोर के बीच अंतर करने की संभावना नहीं रखते हैं। दूसरे शब्दों में, यदि किसी व्यक्ति की कॉर्टिकल हड्डी बदलती हुई प्रतीत होती है, तो यह स्पष्ट नहीं रहता है कि यह वास्तविक शारीरिक परिवर्तन से उत्पन्न हुई है, या 3D-DXA माप त्रुटि से।
3D-DXA की कॉर्टिकल मोटाई अनुमान त्रुटियों का रंग कोडित मानचित्र।
चित्र 5. उसी विषय के QCT स्कैन के संबंध में 3D-DXA की औसत (ऊपर) और अधिकतम (नीचे) कॉर्टिकल मोटाई अनुमान त्रुटियों का रंग कोडित मानचित्र। [2] में चित्र 8 से अनुकूलित।

एरियल BMD की तुलना में सीमित लाभ

सांख्यिकीय घनत्व मॉडल में जिसे 3D-DXA उपयोग करता है, पहला मॉडल पैरामीटर अधिकांश भिन्नता के लिए जिम्मेदार होता है, और इसके मान को बढ़ाने से समग्र घनत्व और सभी कॉर्टिकल मापदंडों में वृद्धि होती है [7]। यह देखते हुए कि DXA छवि में कॉर्टेक्स के बारे में बहुत कम जानकारी है, 3D-DXA मुख्य रूप से समग्र घनत्व पर निर्भर करता है, और इस प्रकार, पहले मॉडल पैरामीटर पर। परिणामस्वरूप, कॉर्टिकल और ट्रैब्युलर मापदंड स्वाभाविक रूप से सहसंबद्ध होते हैं। हालांकि शाफ्ट के निचले औसत दर्जे के और पार्श्व कॉर्टिस (lateral cortices) से कुछ योगदान हो सकता है जो DXA छवि में दिखाई देते हैं, 3D-DXA द्वारा लौटाए गए पैरामीटर मुख्य रूप से कुल एरियल BMD (aBMD) को दर्शाते हैं। इसका मतलब यह है कि, यदि aBMD बढ़ता है, तो 3D-DXA विश्लेषण ट्रैब्युलर vBMD, कॉर्टिकल vBMD और कॉर्टिकल मोटाई में एक साथ वृद्धि दिखाएगा। वास्तव में, 2024 यूरोपीय कैल्सीफाइड टिश्यू सोसाइटी कांग्रेस [42] और अमेरिकन सोसाइटी फॉर बोन एंड मिनरल रिसर्च की 2024 वार्षिक बैठक [43] में प्रस्तुत एक हालिया अध्ययन पुष्टि करता है कि 3D-शेपर पैरामीटर aBMD से अत्यधिक सहसंबद्ध हैं और इसलिए अतिरिक्त फ्रैक्चर भविष्यवाणी जानकारी प्रदान नहीं करते हैं।
इसके अलावा, जबकि 3D-DXA पुनर्निर्माण DXA छवि में दिखाई देने वाले समग्र फेमोरल सिल्हूट को पकड़ लेता है, गर्दन अक्ष की लंबाई और गर्दन शाफ्ट कोण को पुनर्प्राप्त करने की इसकी क्षमता सीमित है। परिणामस्वरूप, पुनर्निर्मित आकार मुख्य रूप से सामान्य हड्डी के आकार को दर्शाता है, जो पहले से ही aBMD द्वारा प्रदान किया गया है और फ्रैक्चर शक्ति भविष्यवाणी में बहुत अधिक नहीं जोड़ता है। इसका उदाहरण यह खोज है कि 3D-DXA से शक्ति भविष्यवाणियां QCT (r2 = 0.88) के साथ सहसंबद्ध थीं, लेकिन सांख्यिकीय रूप से उस तुलना में बेहतर नहीं थीं जब केवल DXA छवि (r2 = 0.87) [37] से फेमर गर्दन aBMD द्वारा भविष्यवाणी की गई थी। 3D-Shaper Medical द्वारा किए गए एक अध्ययन में इसी तरह का सहसंबंध (r2=0.86) दिखाया गया है, लेकिन aBMD के साथ तुलना को बाहर रखा गया था [44]। जापानी आबादी पर एक अलग अध्ययन में, हिप फ्रैक्चर की भविष्यवाणी करने में 3D-Shaper के उपाय कुल हिप aBMD [45] से सांख्यिकीय रूप से बेहतर नहीं थे।
2D DXA छवि पर 3D सांख्यिकीय मॉडल को पंजीकृत करने और फेमोरल ताकत की भविष्यवाणी करने की इसी तरह की विधि पर अन्य लेख प्रकाशित किए गए हैं [46, 47], जिसमें एक अध्ययन फ्रैक्चर जोखिम भविष्यवाणी में aBMD पर सुधार दिखा रहा है [48]। यह विधि 3D-DXA पर कुछ लाभ प्रदान कर सकती है, जैसे कि पूर्ण प्रॉक्सिमल फेमर आकार को पुनः प्राप्त करने में मदद करने के लिए एक अतिरिक्त पेल्विक मॉडल का उपयोग। हालाँकि यह समान पद्धतिगत सीमाओं के अधीन बनी हुई है।
यदि 3D-DXA अकेले aBMD से बेहतर प्रदर्शन करने में विफल रहता है, तो यह निश्चित रूप से aBMD और HSA मापदंडों के संयोजन को पार नहीं कर सकता है, जो सीधे DXA छवियों से मापे जाते हैं। यह 3D-DXA की मौलिक सीमाओं को उजागर करता है और नैदानिक या शोध सेटिंग्स में इसके उपयोग के औचित्य पर सवाल उठाता है। फिर भी, 3D-Shaper Medical अब सेवा के रूप में 3D-DXA आधारित परिमित तत्व विश्लेषण प्रदान करता है।

सत्यापन के तरीके

3D-DXA की अंतर्निहित सीमाओं के बावजूद, कई प्रकाशन इसकी सटीकता पर सकारात्मक निष्कर्ष रिपोर्ट करते हैं। इस विसंगति का श्रेय अनुपयुक्त सत्यापन विधियों के उपयोग को दिया जा सकता है [21, 22] जो सॉफ़्टवेयर की वास्तविक सीमाओं को छिपाने की प्रवृत्ति रखते हैं। निम्नलिखित अनुभागों में, मैं इन सत्यापनों (validations) के साथ समस्याओं पर चर्चा करूँगा और कैसे वे 3D-DXA की विश्वसनीयता और नैदानिक उपयोगिता की धारणा बनाते हैं।

गलत प्रदर्शन मूल्यांकन मेट्रिक्स

3D-Shaper Medical ने DXA छवि से 3D-DXA द्वारा उत्पन्न सतह जाल (surface mesh) की तुलना उसी विषय के QCT स्कैन से मैन्युअल रूप से उत्पन्न सतह जाल के साथ की, जिसके परिणामस्वरूप 0.93 मिमी की औसत बिंदु-से-सतह दूरी प्राप्त हुई [2]। उन्होंने कॉर्टिकल मापदंडों की भी तुलना की, जिसमें कॉर्टिकल मोटाई के लिए 0.33 मिमी और कॉर्टिकल घनत्व के लिए 72 मिलीग्राम/सेमी³ की औसत पूर्ण त्रुटि पाई गई। हालांकि, यह निर्धारित करने के लिए कोई संदर्भ ढांचा नहीं है कि क्या ये रिपोर्ट की गई त्रुटियां स्वीकार्य हैं, जिसका अर्थ है कि ये मेट्रिक्स आवश्यक रूप से सॉफ़्टवेयर की प्रभावशीलता की पुष्टि नहीं करते हैं।
3D-DXA का मूल्यांकन करने का एक अन्य तरीका सहसंबंधों (correlations) का उपयोग था। ट्रैब्युलर, कॉर्टिकल और इंटीग्रल vBMD, और कॉर्टिकल मोटाई के लिए क्रमशः 0.86, 0.93, 0.95 और 0.91 के सहसंबंध गुणांक दर्ज किए गए थे। हालांकि, ये मजबूत सहसंबंध मुख्य रूप से इस तथ्य के कारण हैं कि 3D-DXA मॉडल और QCT स्कैन दोनों में सभी कॉर्टिकल मापदंड समग्र घनत्व के साथ मजबूती से सहसंबद्ध हैं। उनके DXA स्कैन में औसत से अधिक aBMD वाले रोगी, औसतन, बढ़े हुए ट्रैब्युलर, कॉर्टिकल और इंटीग्रल vBMD के साथ-साथ एक मोटा कॉर्टेक्स भी प्रदर्शित करेंगे। ये सहसंबंध परिणाम रोगी-विशिष्ट पुनर्निर्माण उत्पन्न करने में सॉफ़्टवेयर की सटीकता का निर्णायक प्रमाण प्रदान नहीं करते हैं और वास्तव में इसके प्रदर्शन की भ्रामक धारणा बना सकते हैं।
सहसंबंधों का उपयोग 3D-DXA का उपयोग करने वाले जनसंख्या-आधारित अध्ययनों का मूल्यांकन करने के लिए भी किया जाता है। इसी तरह के प्रभाव तब देखे जा सकते हैं जब 3D-DXA विश्लेषण इसके मापदंडों और परीक्षण किए गए कारकों या विभिन्न आबादियों के बीच महत्वपूर्ण सहसंबंध दिखाते हैं। यह फिर से इसलिए है क्योंकि ये पैरामीटर स्वाभाविक रूप से समग्र BMD के साथ सहसंबद्ध हैं और इस प्रकार सीधे aBMD में बदलाव या अंतर को दर्शाते हैं। निष्कर्ष समझदार लग सकते हैं और वास्तविक परिवर्तनों को बारीकी से प्रतिबिंबित कर सकते हैं। उदाहरण के लिए, व्यायाम समग्र घनत्व और कॉर्टिकल अस्थि खनिज सामग्री दोनों को बढ़ाता है [49], जिससे व्यायाम के कारण aBMD बढ़ने पर 3D-DXA विश्लेषण से समझदार दिखने वाले परिणाम मिलते हैं। हालांकि, ये वास्तविक कॉर्टिकल मापदंडों को प्रतिबिंबित नहीं करते हैं, बल्कि केवल aBMD में अंतर्निहित परिवर्तनों या अंतरों को दर्शाते हैं। नतीजतन, ये अध्ययन 3D-DXA की प्रभावशीलता की एक भ्रामक धारणा बना सकते हैं, जो कॉर्टिकल मापदंडों को सटीक रूप से मापने की क्षमता का गलत एहसास दिलाता है।
एक अधिक उपयुक्त मूल्यांकन में कॉर्टिकल मापदंडों की तुलना एक बुनियादी आधारभूत मॉडल, जैसे कि ब्लाइंड एस्टिमेटर (blind estimator) के साथ करना शामिल होगा। यहाँ एक ब्लाइंड एस्टिमेटर अनुमान लगाने की एक सरल, अनुभवहीन विधि को संदर्भित करता है जो व्यक्तिगत परिवर्तनशीलता का हिसाब नहीं रखता है और इसके बजाय पूरी आबादी से प्राप्त औसत मान को सभी विषयों पर लागू करता है। उदाहरण के लिए, कॉर्टिकल मोटाई के लिए एक ब्लाइंड एस्टिमेटर व्यक्तियों के एक समूह से औसत कॉर्टिकल मोटाई मानचित्र का उपयोग करेगा और इसे उनकी विशिष्ट विशेषताओं की परवाह किए बिना प्रत्येक मामले पर समान रूप से लागू करेगा। यह दृष्टिकोण एक आधारभूत, या न्यूनतम मानक के रूप में कार्य करता है, जिसके विरुद्ध अधिक उन्नत विधियों का मूल्यांकन किया जाना चाहिए। किसी भी परिष्कृत पद्धति को कम से कम इस बुनियादी अनुमान से बेहतर प्रदर्शन करना चाहिए। मेरी जानकारी के अनुसार, ऐसा मूल्यांकन अभी तक प्रकाशित नहीं हुआ है।
3D-DXA सॉफ़्टवेयर पर अधिकांश प्रकाशन केवल सफल पुनर्निर्माणों को प्रदर्शित करते हैं, जो सॉफ़्टवेयर की विश्वसनीयता में विश्वास की गलत भावना पैदा कर सकते हैं। 3D-DXA की विश्वसनीयता का मात्रात्मक मूल्यांकन करने के लिए, विफलता दर (failure rate) का मूल्यांकन किया जा सकता है। एक पिछले अध्ययन में [51], हालांकि स्पष्ट रूप से नहीं कहा गया है, 173 विषयों में से केवल 80 को मॉडल अनुमानों (projections) की तुलना DXA छवियों के साथ करके गलत पहचाने गए पुनर्निर्माणों को बाहर करने के बाद रखा गया था, जिससे 50% से अधिक की विफलता दर प्राप्त हुई। इस तरह के मूल्यांकन को सक्षम करने के लिए, 3D-Shaper को मॉडल प्रोजेक्शन और DXA छवि का साथ-साथ (side-by-side) प्रदर्शन प्रदान करने की आवश्यकता होगी। हालांकि, एक अधिक मजबूत मूल्यांकन, परिणामी वॉल्यूम के रेंडरिंग और क्रॉस-सेक्शनल दृश्यों की तुलना जमीनी सच्चाई QCT स्कैन के साथ करेगा और एक स्वतंत्र मूल्यांकन में विफलता दर का आकलन करेगा।
कुछ उदाहरणों में, केवल महत्वपूर्ण परिवर्तनों या अंतरों को देखना इस प्रमाण के रूप में प्रस्तुत किया जाता है कि 3D-DXA काम करता है, जबकि यह अनदेखा कर दिया जाता है कि क्या वास्तविक प्रभाव सही हैं। संपादक को मेरे पत्र के जवाब में, उपचार समूहों के बीच महत्वपूर्ण अंतरों को 3D-DXA की प्रभावकारिता के प्रमाण के रूप में प्रस्तुत किया गया था। हालांकि, इस मूल्यांकन में, लेखक TPTD उपचार के बाद कॉर्टिकल BMD परिवर्तनों के लिए 2 अलग-अलग परिणाम प्रदान करते हैं, एक महत्वपूर्ण वृद्धि [52] दिखा रहा है और दूसरा एक गैर-महत्वपूर्ण कमी [15]। इनमें से कोई भी उस वास्तविक परिवर्तन को प्रतिबिंबित नहीं करता है जिसकी TPTD उपचार में उम्मीद की जाती है, जैसा कि मैं अनुभाग "दवा प्रभावकारिता अध्ययनों में भ्रामक परिणाम" में समझाता हूँ।

बहु तुलना सुधार की अनुपस्थिति

इस अनुभाग में चिंता मुख्य रूप से 3D-DXA सॉफ़्टवेयर से संबंधित नहीं है, बल्कि 3D-Shaper Medical द्वारा प्रदान की जाने वाली सेवा और बाद के प्रकाशनों से संबंधित है। महत्वपूर्ण मुद्दा 3D-DXA मापदंडों में परिवर्तन या अंतर की रिपोर्ट करते समय बहु तुलना सुधारों (multiple comparison corrections) की कमी में निहित है, विशेष रूप से कॉर्टिकल पैरामीटर मानचित्रों में।
जब कई अलग-अलग मापों वाले डेटा का विश्लेषण किया जाता है तो बहु तुलना सुधार लागू करना महत्वपूर्ण होता है। 3D-Shaper के लिए, सॉफ़्टवेयर 71 अस्थि पैरामीटर उत्पन्न करता है, जिनमें से प्रत्येक एक अलग सांख्यिकीय परीक्षण का प्रतिनिधित्व करता है। इन बहु तुलनाओं के लिए समायोजन किए बिना, जैसे कि बोनफेरोनी सुधार (Bonferroni correction) के साथ, संयोग से महत्वपूर्ण परिणाम प्राप्त करने की संभावना बढ़ जाती है, जिससे गलत निष्कर्ष निकलते हैं। इसके बावजूद, 3D-Shaper का उपयोग करने वाले अध्ययन अक्सर किसी भी प्रकार के बहु तुलना सुधार को लागू किए बिना महत्वपूर्ण परिवर्तनों या अंतरों की रिपोर्ट करते हैं [10, 24, 27, 28], जो परिणामों में विश्वास की एक अनुचित भावना पैदा करता है। यह तब भ्रामक हो सकता है जब कुछ मापदंडों को मापा जाता है लेकिन रिपोर्ट नहीं किया जाता है, जो पी-हैकिंग पूर्वाग्रह (p-hacking bias) का एक रूप है [53], जहां आयोजित किए गए परीक्षणों की बड़ी संख्या के कारण गलत सकारात्मकता (false positives) के बढ़े हुए जोखिम को अनदेखा करते हुए महत्वपूर्ण परिणामों को उजागर किया जाता है।
इसी तरह का मुद्दा तब होता है जब 3D-Shaper का उपयोग करने वाले अध्ययन हड्डी की सतह पर कॉर्टिकल मापदंडों या वॉल्यूम में BMD मानों में परिवर्तन या अंतर दिखाने वाले रंग-कोडित मानचित्र प्रस्तुत करते हैं। इन मामलों में, प्रत्येक वर्टेक्स (vertex) या वोक्सेल (voxel) एक व्यक्तिगत सांख्यिकीय परीक्षण का प्रतिनिधित्व करता है, जिसमें सार्थकता (significance) अक्सर प्रत्येक बिंदु पर एक साधारण टी-परीक्षण (t-test) द्वारा निर्धारित की जाती है [9, 10, 11, 12, 13, 28, 52, 54, 55]। यह दृष्टिकोण रंग-कोडित मानचित्रों में प्रतीत होने वाले महत्वपूर्ण क्षेत्रों को उजागर करता है, जिससे स्थानीय परिवर्तनों या अंतरों का भ्रम पैदा होता है जहां कोई नहीं है। रंग-कोडित क्रॉस-सेक्शनल दृश्यों के माध्यम से वॉल्यूम में परिवर्तन या अंतर प्रस्तुत करते समय, वोक्सेल स्तर पर सांख्यिकीय सार्थकता आम तौर पर बिल्कुल भी प्रदान नहीं की जाती है [9, 11, 30, 52, 54, 55, 56]। उसी तरह से यह वास्तविक परिवर्तनों का सुझाव देता है जबकि वास्तव में वे केवल यादृच्छिक भिन्नता (random variation) का परिणाम हो सकते हैं। नतीजतन, ये रंग-कोडित मानचित्र उपचारों या हस्तक्षेपों के प्रभाव का अत्यधिक आशावादी प्रभाव दे सकते हैं, जो गलत तरीके से प्रभावकारिता का सुझाव देते हैं जहां कोई नहीं हो सकती है।
अपर्याप्त बहु तुलना सुधारों के कारण गलत सकारात्मकता (false positives) का मुद्दा न्यूरोइमेजिंग के क्षेत्र में एक निरंतर चुनौती रहा है [57]। इसे हल करने के लिए, न्यूरोइमेजिंग समुदाय ने ऐसे समाधान विकसित किए हैं जिन्हें हड्डी की सतह पर कॉर्टिकल हड्डी परिवर्तनों और QCT स्कैन के वोक्सेल्स में घनत्व परिवर्तनों की जांच करने वाले अध्ययनों पर भी लागू किया जा सकता है। पूल एट अल. (Poole et al.) [58] बताते हैं कि कैसे SurfStat (http://math.mccgill.ca/keith/surfstat/) का उपयोग यह परीक्षण करने के लिए किया जा सकता है कि क्या हड्डी की सतह पर प्रत्येक बिंदु पर कॉर्टिकल मापदंडों में अंतर सांख्यिकीय रूप से महत्वपूर्ण थे, जिसमें बहु तुलना सुधार के लिए रैंडम फील्ड थ्योरी (random field theory) लागू की गई थी। वोक्सेल-आधारित विश्लेषण के लिए समान पैकेज मौजूद हैं, जैसे सांख्यिकीय पैरामीट्रिक मैपिंग लाइब्रेरी (Statistical Parametric Mapping library) (https://www.fil.ion.ucl.ac.uk/spm/) और FMRIB सॉफ़्टवेयर लाइब्रेरी (https://fsl.fmrib.ox.ac.uk)। इन उपकरणों का उपयोग 3D-DXA का उपयोग करने वाले अध्ययनों की सांख्यिकीय कठोरता (statistical rigor) में सुधार करेगा, हालांकि देखे गए परिवर्तन या अंतर अभी भी aBMD के साथ सभी मापदंडों के सहसंबंध को ही दर्शाएंगे।

निहितार्थ

अनुसंधान और नैदानिक अभ्यास दोनों में 3D-DXA के उपयोग के व्यापक निहितार्थ हैं। निम्नलिखित अनुभाग इन चुनौतियों पर ध्यान केंद्रित करेंगे।

दवा प्रभावकारिता अध्ययनों में भ्रामक परिणाम

अधिकांश अध्ययनों में, 3D-DXA के परिणाम वही होते हैं जो कॉर्टेक्स में अपेक्षित होते हैं, क्योंकि स्वस्थ व्यक्तियों में कॉर्टिकल पैरामीटर आम तौर पर aBMD के साथ सहसंबद्ध होते हैं। यह अक्सर समझदार दिखने वाले परिणामों की ओर ले जाता है। हालांकि, यह दृष्टिकोण तब त्रुटिपूर्ण हो जाता है जब परिवर्तन पारंपरिक पैटर्न का पालन नहीं करते हैं। यह विधि विशेष रूप से उन दवा परीक्षणों में समस्याग्रस्त है जहां सामान्य अस्थि मॉडलिंग और रीमॉडलिंग बदल जाते हैं, और सभी मापदंडों में सामान्य आनुपातिक वृद्धि या कमी नहीं हो सकती है।
एक उदाहरण टेरिपैराटाइड पर एक अध्ययन है, जहां 3D-DXA ने प्लेसबो की तुलना में कॉर्टिकल vBMD में महत्वपूर्ण वृद्धि सहित सभी कॉर्टिकल मापदंडों में वृद्धि का संकेत दिया [52]। इसके विपरीत, QCT पर लागू समकक्ष कॉर्टिकल माप तकनीक का उपयोग करते हुए, उसी 18 महीने के टेरिपैराटाइड उपचार के बाद कॉर्टिकल BMD में महत्वपूर्ण कमी देखी गई, जो तीन अलग-अलग नैदानिक परीक्षणों के आंकड़ों में लगातार देखी गई थी [41]। इस कमी का श्रेय रीमॉडलिंग की बढ़ी हुई दर को दिया जाता है, जिसके परिणामस्वरूप कॉर्टिकल सरंध्रता (cortical porosity) अधिक होती है, जैसा कि माइक्रो-CT का उपयोग करके भी देखा गया है [59]।
एक पहले के अध्ययन में, 3D-Shaper Medical ने टेरिपैराटाइड के जवाब में कॉर्टिकल BMD में कमी की सूचना दी थी [15]। हालांकि लेखकों द्वारा इसे कमी के रूप में नोट किया गया था, लेकिन यह परिवर्तन सांख्यिकीय रूप से महत्वपूर्ण नहीं था। एक अधिक हालिया स्वतंत्र अध्ययन में भी 3D-DXA विश्लेषण का उपयोग करके टेरिपैराटाइड उपचार के जवाब में कॉर्टिकल BMD में कोई महत्वपूर्ण परिवर्तन नहीं पाया गया [60]। संभावना है कि शाफ्ट के कॉर्टेक्स से कुछ प्रभाव हो सकता है, जो DXA छवि में आंशिक रूप से दिखाई देता है। 3D-DXA की प्रकृति के कारण, इस क्षेत्र में aBMD में कमी पूरे फेमर मॉडल में प्रोजेक्ट की गई हो सकती है, जिसमें वे क्षेत्र भी शामिल हैं जहां कोई कॉर्टेक्स दिखाई नहीं देता है, क्योंकि मॉडल पैरामीटर वैश्विक स्तर पर घनत्व वितरण को प्रभावित करते हैं। हालांकि, इससे कॉर्टिकल BMD में वह सही महत्वपूर्ण कमी नहीं आई जो QCT अध्ययनों में देखी गई थी।
टेरिपैराटाइड (TPTD) के साथ सभी कॉर्टिकल मापदंडों में वृद्धि की रिपोर्ट करने वाले अध्ययन ने समानांतर में अबालोपराटाइड (abaloparatide) का भी मूल्यांकन किया, जिसमें बाद वाले के लिए सभी मापदंडों में और भी अधिक वृद्धि देखी गई [52]। 3D-DXA विश्लेषण का उपयोग करने वाले अनुवर्ती अध्ययनों ने अबालोपराटाइड उपचार के बाद कॉर्टिकल BMD में महत्वपूर्ण वृद्धि की भी सूचना दी [55, 56]। यह देखते हुए कि अबालोपराटाइड TPTD के साथ एक समान क्रिया तंत्र साझा करता है, हड्डी के रीमॉडलिंग की दर को बढ़ाता है, कोई भी उचित रूप से उम्मीद करेगा कि यह कॉर्टिकल BMD में कमी की ओर ले जाएगा। वास्तव में, QCT का उपयोग करने वाले एक अध्ययन में 35 रोगियों में अबालोपराटाइड उपचार की समान अवधि के बाद कॉर्टिकल BMD में कमी देखी गई [61], हालांकि यह कमी सांख्यिकीय रूप से महत्वपूर्ण नहीं थी। यह बताता है कि 3D-DXA अध्ययनों ने न केवल गलत परिवर्तन उत्पन्न किए बल्कि संभवतः अबालोपराटाइड के प्रभावों का अत्यधिक अनुकूल मूल्यांकन भी किया।
लेविकी एट अल. (Lewiecki et al.) [54] द्वारा किया गया एक अध्ययन विसंगतिपूर्ण कॉर्टिकल परिवर्तनों को मापने में 3D-DXA की सीमाओं को और स्पष्ट करता है। उनके 3D-DXA विश्लेषण ने रोमोसोज़ुमैब (romosozumab) के जवाब में सभी कॉर्टिकल मापदंडों में वृद्धि दर्ज की। इसके विपरीत, एक पिछले QCT विश्लेषण में उसी उपचार के बाद कॉर्टिकल BMD में कोई वृद्धि नहीं पाई गई [62]। लेखकों ने नोट किया: "यह स्पष्ट नहीं है कि हिप इंटीग्रल और ट्रैब्युलर vBMD के लिए रोमोसोज़ुमैब उपचार के लिए QCT और DXA-आधारित 3D-SHAPER द्वारा प्राप्त डेटा अध्ययनों में समान क्यों थे लेकिन कॉर्टिकल vBMD के लिए भिन्न थे।" यह देखते हुए कि बोन (Bone) के संपादक को लिखे पत्र में, जिसे कुछ उन्हीं लेखकों ने देखा था, पहले ही इस विसंगति को समझाया और भविष्यवाणी की गई थी [7], ऐसा प्रतीत होता है कि 3D-DXA की क्षमताओं और सीमाओं के संबंध में गलतफहमी बनी हुई है। परिणामस्वरूप, इस गलतफहमी ने संभवतः दवा की प्रभावकारिता के अत्यधिक आशावादी मूल्यांकन को फिर से जन्म दिया है।
ये अध्ययन कॉर्टिकल और ट्रैब्युलर अस्थि परिवर्तनों के कलर मैप्स प्रस्तुत करके संभावित रूप से गलत परिणामों को और अधिक फैलाते हैं। 3D-DXA स्थानीयकृत या फोकल (focal) परिवर्तनों को नहीं माप सकता है, आंशिक रूप से क्योंकि प्रत्येक मॉडल पैरामीटर विश्व स्तर पर घनत्व वितरण को प्रभावित करता है, और इसलिए भी क्योंकि ये परिवर्तन DXA छवि पर दिखाई नहीं देते हैं। इन अध्ययनों में बहु तुलना सुधारों को लागू करने में विफलता परिणामों को और कमजोर करती है, क्योंकि मानचित्रों में प्रतीत होने वाले महत्वपूर्ण क्षेत्र, वास्तव में, बहुत कम महत्वपूर्ण होते हैं, जिससे विभिन्न दवाओं का अत्यधिक आशावादी मूल्यांकन होता है।

रोगी प्रबंधन

जबकि 3D-Shaper सॉफ़्टवेयर 71 माप उत्पन्न कर सकता है, नैदानिक रूप से अनुमोदित संस्करण केवल वैश्विक ट्रैब्युलर vBMD और कॉर्टिकल sBMD के साथ-साथ एक संबंधित T-स्कोर और Z-स्कोर उत्पन्न करता है। यह स्पष्ट नहीं है कि T- और Z-स्कोर किस जनसंख्या से प्राप्त किए गए हैं, हालांकि 3D-Shaper Medical के एक वेबिनार में कोकेशियान संदर्भ डेटा (Caucasian reference data) का उल्लेख किया गया है [63]। स्पेनिश [64] और अर्जेंटीना [65] की आबादी के लिए पहले संदर्भ चार्ट तैयार किए गए हैं, जिन्हें चित्र 6 में फिर से प्रस्तुत किया गया है। ये चार्ट, हालांकि, एक-दूसरे से और 3D-Shaper सॉफ़्टवेयर द्वारा तैयार किए गए चित्रों से अलग दिखाई देते हैं। 3D-Shaper Medical, DMS Imaging और उनके वितरक इस बात का खुलासा नहीं करते हैं कि यह कौन सी जनसंख्या है, या ये डेटा कैसे प्राप्त किए गए हैं। हालांकि, जापान में 3D-Shaper के वितरक टोयो मेडिक कंपनी लिमिटेड (Toyo Medic Co., Ltd., टोक्यो, जापान) द्वारा यह पुष्टि की गई है कि जापानी बाजार के लिए स्वीकृत 3D-Shaper सॉफ़्टवेयर जापानी आबादी के संदर्भ डेटा का उपयोग नहीं करता है। कोकेशियान और एशियाई आबादी के बीच कॉर्टिकल और ट्रैब्युलर मापदंडों में बड़े अंतर को देखते हुए [68], जापान में इन T- और Z-स्कोर को लागू करना आगे के सत्यापन के बिना विवेकपूर्ण नहीं लगता है। उनकी वैधता की पुष्टि उस प्रत्येक जनसंख्या के लिए की जानी चाहिए जिसमें उन्हें लागू किया जाता है।
स्पेनिश (बाएं) और अर्जेंटीना (दाएं) आबादी के लिए संदर्भ डेटा।
स्पेनिश (बाएं) और अर्जेंटीना (दाएं) आबादी के लिए संदर्भ डेटा, क्रमशः [64] और [65] से प्राप्त।
हालांकि 3D-Shaper या कमर्शियल 3D-DXA सॉफ़्टवेयर स्वचालित रूप से उपचार का निर्णय प्रदान नहीं करता है, प्रचार सामग्री 3D-DXA विश्लेषण के बाद उपचार पर निर्णय लेने में चिकित्सक की सहायता के लिए एक तालिका के उपयोग का सुझाव देती है। यह तालिका, जिसे तालिका 1 में पुनरुत्पादित किया गया था, विभिन्न उपचार प्रकारों के लिए प्रतीक (-, =, +, ++, +++) प्रदान करती है ताकि यह दर्शाया जा सके कि उपचार ट्रैब्युलर vBMD या कॉर्टिकल sBMD को कैसे प्रभावित करता है। प्रतीक थ्रेसहोल्ड (thresholds) पर आधारित हैं, जो जहां उपलब्ध हैं, तालिका 3 में प्रदान किए गए हैं। हालांकि थ्रेसहोल्ड मान काफी मनमाने हैं या निर्दिष्ट नहीं हैं, QCT अध्ययनों के ज्ञान से तालिका काफी हद तक सही हो सकती है। हालांकि, इन आंकड़ों के बारे में कहा जाता है कि इन्हें विभिन्न उपचार प्रकारों के संदर्भों के साथ 3D-DXA अध्ययनों से प्राप्त किया गया है। चूंकि 3D-DXA के साथ विशेष समस्याएं होती हैं जब कॉर्टिकल पैरामीटर समग्र घनत्व के साथ नहीं बदलते हैं, जैसे कि टेरिपैराटाइड उपचार के साथ, मैं इस दवा से प्रदान किए गए प्रभावों को उजागर करना चाहूंगा। मैंने 3D-Shaper Medical द्वारा प्रदान किए गए प्रत्येक संदर्भ के लिए प्रतीकों के साथ-साथ एक अलग अध्ययन जो उल्लिखित नहीं था, तालिका 2 में प्रदान किया है। वे काफी भिन्न हैं और उन प्रतीकों से अलग हैं जो 3D-Shaper Medical ने तालिका में प्रदान किए थे। इसलिए, यह स्पष्ट नहीं है कि प्रतीक कैसे प्राप्त किए गए थे, जो 3D-DXA विश्लेषण के संयोजन में उपयोग करते समय उनकी वैधता पर प्रश्नचिह्न लगाता है।
एक वेबिनार में [66] 3D-Shaper Medical ने एक संभावित नैदानिक उपयोग का सुझाव दिया जहां 3D-Shaper के परिणामस्वरूप कम कॉर्टिकल sBMD और बहुत कम ट्रैब्युलर vBMD प्राप्त हुआ। चूंकि टेरिपैराटाइड, तालिका के अनुसार, कॉर्टिकल हड्डी की तुलना में ट्रैब्युलर हड्डी में अधिक सुधार करता है, इसलिए टेरिपैराटाइड को सबसे अच्छा उपचार बताया गया था। हालांकि, इस तालिका के आधार पर, यदि वर्टेब्रल aBMD की उपेक्षा की जाए, तो एक चिकित्सक स्वाभाविक रूप से टेरिपैराटाइड के बजाय डैनोस्यूमैब (Denosumab) या अबालोपराटाइड (Abaloparatide) को चुनेगा।
3D-DXA संभवतः केवल नियमित DXA T-स्कोर और Z-स्कोर मूल्यांकन के साथ ही उपयोग किया जाएगा। इस प्रकार, उच्च जोखिम वाले व्यक्ति के छूट जाने का खतरा न्यूनतम होगा। हालांकि, 3D-DXA से जुड़ी त्रुटि के कारण, कॉर्टिकल sBMD और ट्रैब्युलर vBMD हमेशा थोड़ा अधिक या कम होंगे। उपचार की सीमा पर रहने वाले रोगियों में यह चिकित्सक को एंटी-ऑस्टियोपोरोसिस दवाएं देने के लिए प्रभावित कर सकता है जहां यह अकेले aBMD द्वारा संकेतित नहीं होगा।
ट्रैब्युलर अस्थि स्कोर (TBS) पर एक अध्ययन से पता चलता है कि यह अतिरिक्त मूल्यांकन माध्यमिक ऑस्टियोपोโรसिस [67] में उपचार के निर्णयों को महत्वपूर्ण रूप से प्रभावित करता है। उस अध्ययन में, सामान्य BMD माप वाले 21–25.5% रोगियों में TBS द्वारा इंगित अस्थि गुणवत्ता खराब थी, जिससे उपचार का निर्णय बदल गया। 3D-DXA के साथ भी इसी तरह का प्रभाव हो सकता है, जिससे अनपेक्षित परिणाम हो सकते हैं, जैसे कि दवाओं का अत्यधिक प्रिसक्रिप्शन (overprescription)। यदि तालिका का उपयोग किया गया था, तो यह चिकित्सक को एक दवा के बजाय दूसरी दवा चुनने के लिए भी प्रभावित कर सकता है।
3D-Shaper Medical द्वारा यह भी कहा गया है कि रोगियों की निगरानी यह निर्धारित करने के लिए की जा सकती है कि क्या चयनित उपचार का वास्तव में कॉर्टेक्स और ट्रैब्युलर डिब्बे (compartment) पर अपेक्षित प्रभाव पड़ता है। हालांकि, यह देखते हुए कि 3D-DXA की त्रुटियां अपेक्षित परिवर्तनों से अधिक हैं, और दोहराव सटीकता कम है [36], यह निश्चित नहीं किया जा सकता है कि अनुवर्ती 3D-DXA मूल्यांकन में देखे गए परिवर्तन वास्तविक प्रभावों के कारण हैं या केवल 3D-DXA की अंतर्निहित त्रुटि के कारण। यदि कोई चिकित्सक इन परिणामों पर भरोसा करता है, तो उसे अनावश्यक रूप से उपचार बदलने के लिए प्रभावित किया जा सकता है।
(A)
2D DXA (Total hip) aBMD 3D-DXA (3D-Shaper) ट्रैब्युलर vBMD 3D-DXA (3D-Shaper) कॉर्टिकल sBMD
Alendronate + + +
Denosumab ++ ++ ++
Zoledronic acid + + ++
Teriparatide [15, 52, 55*, 56] + ++ =
Abaloparatide ++ ++ ++
Romosozumab +++ +++ +++
(B)
aBMD vBMD sBMD
टेरिपैराटाइड [52, 56] (18 महीने) ++ (3.3%) ++/+++ (9%) + (1.8%)
टेरिपैराटाइड [15] (24 महीने) = (p > 0.05) ++/+++ (5.9%) = (p > 0.05)
टेरिपैराटाइड [60] (24 महीने) = (p > 0.05) ++/+++ (>14%) = (p > 0.05)
(C)
प्रतीक (Total hip) aBMD ट्रैब्युलर vBMD कॉर्टिकल sBMD
+++ Δ > n/a % Δ > n/a % Δ > n/a %
++ 2 < Δ ≤ n/a % 4 < Δ ≤ n/a % 2 < Δ ≤ n/a %
+ 0.5 < Δ ≤ 2 % 0.5 < Δ ≤ 4 % 0.5 < Δ ≤ 2 %
= -0.5 ≤ Δ ≤ 0.5 % -0.5 ≤ Δ ≤ 0.5 % -0.5 ≤ Δ ≤ 0.5 %
- -2 ≤ Δ < -0.5 % -4 ≤ Δ < -0.5 % -2 ≤ Δ < -0.5 %
-- Δ < -2 % Δ < -4 % Δ < -2 %
ये तालिकाएँ स्पष्ट करती हैं कि कैसे 3D-Shaper Medical सुझाव देता है कि उपचार तय करने के लिए 3D-DXA विश्लेषण का उपयोग किया जा सकता है। (A) 3D-Shaper Medical द्वारा प्रदान की गई तालिका जिसके बारे में कहा जाता है कि यह रोगियों की आवश्यकताओं के लिए सर्वोत्तम उपचार निर्धारित करने में मदद करती है। यहाँ केवल टेरिपैराटाइड के संदर्भ प्रदान किए गए हैं। (B) संदर्भित अध्ययनों द्वारा रिपोर्ट किए गए 3D-DXA विश्लेषण से देखे गए टेरिपैराटाइड उपचार के प्रभाव, साथ ही एक अतिरिक्त अध्ययन जिसे 3D-Shaper Medical द्वारा संदर्भित नहीं किया गया था। (C) थ्रेसहोल्ड मान जो विभिन्न प्रतीकों को निर्धारित करते हैं जो संकेत देते हैं कि एक विशेष उपचार aBMD, ट्रैब्युलर vBMD और कॉर्टिकल sBMD को कैसे प्रभावित करता है, जहाँ यह उपलब्ध था। * [55] का जुड़ना संभवतः एक त्रुटि है क्योंकि इस अध्ययन में टेरिपैराटाइड शामिल नहीं है।

यद्यपि 3D-DXA का नैदानिक संस्करण विभिन्न शारीरिक क्षेत्रों में कॉर्टिकल sBMD के बारे में जानकारी प्रदान नहीं करता है, यह अस्थि सतह पर sBMD का एक रंग कोडित 3D मॉडल प्रदर्शित करता है। 3D-Shaper Medical बाद में सुझाव देता है कि इसका उपयोग स्थानीय नाजुकता (local fragility) का पता लगाने के लिए किया जा सकता है [66]। दुर्भाग्य से, 3D-DXA रोगी विशिष्ट कॉर्टिकल मानचित्र का पुनर्निर्माण नहीं कर सकता है। मैं इसके सहज स्पष्टीकरण के लिए फिर से चित्र 2 का संदर्भ दूंगा। इस प्रकार, यदि एक 3D-DXA कॉर्टिकल मानचित्र स्थानीय कमियों का सुझाव देता है, तो ये मॉडल के सांख्यिकीय रूप से प्रशंसनीय आउटपुट हो सकते हैं, लेकिन रोगी की वास्तविक शरीर रचना के अनुरूप नहीं होते हैं। यह फिर से एक अनावश्यक या अनुपयुक्त उपचार निर्णय का कारण बन सकता है।
3D-Shaper सॉफ़्टवेयर को अब 510(k) प्रीमार्केट अधिसूचना प्रक्रिया के माध्यम से FDA मंजूरी भी मिल गई है [68]। 3D-Shaper Medical ने क्रॉस-सेक्शनल एरिया (CSA), क्रॉस-सेक्शनल मोमेंट ऑफ इनर्टिया (CSMI), सेक्शन मॉड्यूलस (Z), बकलिंग रेशियो (BR), कॉर्टिकल सतह अस्थि खनिज घनत्व (sBMD), ट्रैब्युलर वॉल्यूमेट्रिक अस्थि खनिज घनत्व (vBMD) और इंटीग्रल vBMD की तुलना Hologic Inc. के हिप स्ट्रक्चरल एनालिसिस (HSA) सॉफ़्टवेयर से मिलते-जुलते मापों से करने वाले एक सहसंबंध अध्ययन का उपयोग करके इसे प्राप्त किया, जिसे पहले FDA मंजूरी मिल चुकी थी।
उल्लेखनीय रूप से, गर्दन अक्ष की लंबाई और गर्दन शाफ्ट कोण इस मूल्यांकन से अनुपस्थित रहे हैं, और इस प्रकार इन मापदंडों का उपयोग FDA द्वारा स्पष्ट नहीं किया गया है। यह ध्यान दिया जाना चाहिए कि इंटरनेशनल सोसाइटी फॉर क्लीनिकल डेंसिटोमेट्री (ISCD) के दिशा-निर्देशों की सिफारिश है कि हिप फ्रैक्चर के जोखिम का आकलन करने के लिए HSA मापदंडों का उपयोग नहीं किया जाना चाहिए, हिप अक्ष की लंबाई [69] के अपवाद के साथ। इसके अलावा, इस नियामक अनुमोदन में संदर्भ डेटा के साथ मापों की तुलना करने के लिए T-स्कोर या Z-स्कोर शामिल नहीं है। यह संयुक्त राज्य अमेरिका में 3D-Shaper की नैदानिक प्रयोज्यता (clinical applicability) के बारे में चिंता पैदा करता है।
अंत में, 3D-Shaper मापदंडों को Hologic QDR एक्स-रे बोन डेंसिटोमीटर के लिए HSA विकल्प के पर्याप्त रूप से बराबर माना गया था। FDA इसकी पुष्टि करने में सक्षम नहीं है कि क्या 3D-Shaper का उपयोग अन्य DXA स्कैनर के साथ किया जा सकता है, जिससे संयुक्त राज्य अमेरिका में अन्य उपकरणों के साथ अनुकूलता का प्रश्न अनसुलझा रह गया है।

चर्चा

संक्षेप में, 3D-DXA विभिन्न प्रकार के अस्थि पैरामीटर उत्पन्न करता है जो अत्यधिक विस्तृत दिखाई देते हैं, लेकिन मुख्य रूप से अलग कॉर्टिकल या ट्रैब्युलर गुणों को मापने के बजाय समग्र एरियल (areal) BMD को दर्शाते हैं। जबकि सॉफ़्टवेयर उन आबादियों में वास्तविक मानों के साथ मेल खाने वाले परिणाम दे सकता है जहाँ कॉर्टिकल और ट्रैब्युलर परिवर्तन aBMD के समानुपाती होते हैं, यह रोगी-विशिष्ट माप या स्थानीय परिवर्तनों को पकड़ने में विफल रहता है। यह सीमा विशेष रूप से एनाबॉलिक थेरेपी (anabolic therapy) जैसे परिदृश्यों में स्पष्ट होती है, जहाँ कॉर्टिकल और ट्रैब्युलर अस्थि पैरामीटर विपरीत रूप से बदल सकते हैं और 3D-DXA QCT द्वारा देखे गए इन वास्तविक परिवर्तनों को प्रतिबिंबित करने में विफल रहता है। यह नियमित नैदानिक देखभाल में या एक विश्वसनीय अनुसंधान उपकरण के रूप में इसके उपयोग के लिए महत्वपूर्ण चिंताएं पैदा करता है।
3D-DXA को शुरू में इंटीग्रल vBMD का अनुमान प्रदान करके ऑस्टियोपोरोसिस का बेहतर निदान करने के लिए विकसित किया गया था [70, 71]। कॉर्टिकल और ट्रैब्युलर डिब्बों का अलग-अलग आकलन करने का प्रयास न करके, 3D-DXA द्वारा उत्पादित इंटीग्रल vBMD अभी भी एक वैध अनुमान का प्रतिनिधित्व कर सकता है। बाद में मॉडल मापदंडों का सीधे विश्लेषण करके फ्रैक्चर जोखिम अनुमानों में सुधार करने के प्रयास के लिए कार्यप्रणाली का विस्तार किया गया था, क्योंकि ये पैरामीटर पूरी तरह से सांख्यिकीय मॉडल के आकृति विज्ञान (morphology) का वर्णन करते हैं [51, 72, 73, 74]। हालांकि, 3D-DXA की प्रमुख सीमाएं, जैसा कि इस समीक्षा में विस्तृत है, बनी हुई हैं और इसकी सटीकता और विश्वसनीयता को कमजोर करती हैं।
यह अध्ययन 3D-DXA का व्यावसायीकरण करने वाली कंपनियों की पारदर्शिता की कमी से सीमित था, जिसमें 3D-Shaper Medical, DMS Imaging और Fujifilm शामिल हैं। परिणामस्वरूप, यह सार्वजनिक रूप से उपलब्ध जानकारी और इस कार्यप्रणाली को विकसित करने के मेरे अपने अनुभव पर निर्भर करता है। मैं पाठकों को इन कंपनियों या उनके प्रतिनिधियों से 3D-DXA और 3D-Shaper के उन पहलुओं के संबंध में स्पष्टीकरण मांगने के लिए प्रोत्साहित करता हूँ जिनका खुलासा नहीं किया गया है।
पेशेवर सोसायटियों का मूल्यांकन 3D-DXA की वैधता का स्वतंत्र मूल्यांकन प्रदान करके और इसके उपयोग के संबंध में आधिकारिक सिफारिशें स्थापित करके मूल्यवान मार्गदर्शन प्रदान कर सकता है। हालांकि इंटरनेशनल वर्किंग ग्रुप ऑन DXA बेस्ट प्रैक्टिसेज द्वारा ड्यूल-एनर्जी एक्स-रे एब्जॉर्पियोमेट्री के लिए अभ्यास दिशानिर्देश पर एक अपडेट 3D-DXA के संबंध में कहता है कि "नैदानिक अभ्यास में इन नवीन इमेजिंग तकनीकों के अनुप्रयोग के लिए सिफारिशें करने के लिए और अधिक साक्ष्य की आवश्यकता है" [75], मेरा मानना है कि अब एक सिफारिश को आधार बनाने के लिए पर्याप्त साक्ष्य हैं, और मुझे उम्मीद है कि यह समीक्षा उस संबंध में सहायक होगी।
अंत में, 3D-DXA की मौलिक सीमाओं को देखते हुए, यह मेरा पेशेवर मूल्यांकन है कि 3D-DXA द्वारा प्रदान किए गए कॉर्टिकल और ट्रैब्युलर मापदंडों का उपयोग अनुसंधान उद्देश्यों के लिए नहीं किया जाना चाहिए, और न ही वे नैदानिक अनुप्रयोगों जैसे निदान, निगरानी, या उपचार निर्णय समर्थन के लिए उपयुक्त हैं।

लेखक का योगदान

TW ने पांडुलिपि के संकल्पना, डेटा क्यूरेशन, औपचारिक विश्लेषण, जांच, कार्यप्रणाली, संसाधन, विज़ुअलाइज़ेशन और लेखन में योगदान दिया।

वित्तपोषण

इस अध्ययन के लिए कोई वित्तपोषण प्राप्त नहीं हुआ था।

डेटा उपलब्धता

इस लेख में प्रस्तुत सभी डेटा अनुरोध पर लेखक के पास उपलब्ध हैं।

हितों का टकराव

लेखक 3D-DXA सॉफ़्टवेयर के आधारभूत कार्यप्रणाली से संबंधित पेटेंट का सह-आविष्कारक है। लेखक कमर्शियल 3D-DXA सॉफ़्टवेयर कोड, सांख्यिकीय मॉडल और प्रचारात्मक सामग्रियों की बौद्धिक संपदा और उत्पत्ति के संबंध में चर्चाओं में शामिल रहा है। लेखक 3D-Shaper Medical या 3D-DXA के व्यावसायिक दोहन में शामिल अन्य कंपनियों से संबद्ध नहीं है और उसे इक्विटी, रॉयल्टी या अन्य वित्तीय मुआवजा प्राप्त नहीं हुआ है। लेखक ने शैक्षिक मंचों में UCB के लिए व्याख्यान दिए हैं और एम्जेन इंक (Amgen Inc.) और लिली (Lilly) से अनुसंधान अनुदान सहायता प्राप्त की है। इस लेख में व्यक्त विचार पूरी तरह से लेखक के हैं और कार्यप्रणाली और उपलब्ध वैज्ञानिक साक्ष्यों के आलोचनात्मक मूल्यांकन पर आधारित हैं।

References

  1. Whitmarsh T (2012). 3D Reconstruction of the Proximal Femur and Lumbar Vertebrae from Dual-Energy X-Ray Absorptiometry for Osteoporotic Risk Assessment
  2. Humbert L, Martelli Y, Fonolla R, et al. (2017). 3D-DXA: Assessing the Femoral Shape, the Trabecular Macrostructure and the Cortex in 3D from DXA images. IEEE Transactions on Medical Imaging, 36(1), 27–39.
  3. Whitmarsh T, Humbert L, De Craene M, et al. (2011). Reconstructing the 3D Shape and Bone Mineral Density Distribution of the Proximal Femur From Dual-Energy X-Ray Absorptiometry. IEEE Transactions on Medical Imaging, 30(12), 2101–2114.
  4. Ahmad O, Ramamurthi K, Wilson KE, et al. (2010). Volumetric DXA (VXA): A new method to extract 3D information from multiple in vivo DXA images. Journal of Bone and Mineral Research, 25(12), 2744–2751.
  5. Väänänen SP, Grassi L, Flivik G, et al. (). Generation of 3D shape, density, cortical thickness and finite element mesh of proximal femur from a DXA image. Medical Image Analysis, 24(1).
  6. Whitmarsh T, Humbert L, De Craene M, et al. 3D bone mineral density distribution and shape reconstruction of the proximal femur from a single simulated DXA image: an in vitro study. In: Dawant BM, Haynor DR, eds. Medical Imaging 2010: Image Processing. Vol. 7623. SPIE; 2010:76234U.
  7. Whitmarsh T. Concerns regarding the use of 3D-DXA. Bone. 2021;149:115939.
  8. Treece G, Gee A (2015). Independent measurement of femoral cortical thickness and cortical bone density using clinical CT. Medical Image Analysis, 20(1), 249–264.
  9. Freitas L, Amorim T, Humbert L, et al. (2018). Cortical and trabecular bone analysis of professional dancers using 3D-DXA: a case–control study. Journal of Sports Sciences, 37(1), 82–89.
  10. Gracia-Marco L, García-Fontana B, Ubago-Guisado E, et al. (2019). Analysis of Bone Impairment by 3D DXA Hip Measures in Patients With Primary Hyperparathyroidism: A Pilot Study. The Journal of Clinical Endocrinology \& Metabolism, 105(1), 175–184.
  11. Orduna G, Humbert L, Fonolla R, et al. (2018). Cortical and Trabecular Bone Analysis of Patients With High Bone Mass From the Barcelona Osteoporosis Cohort Using 3-Dimensional Dual-Energy X-ray Absorptiometry: A Case-Control Study. Journal of Clinical Densitometry, 21(4), 480–484.
  12. Gifre L, Humbert L, Muxi A, et al. (2017). Analysis of the evolution of cortical and trabecular bone compartments in the proximal femur after spinal cord injury by 3D-DXA. Osteoporosis International, 29(1), 201–209.
  13. García Hoyos M, Humbert L, Salmón Z, et al. (2019). Analysis of volumetric BMD in people with Down syndrome using DXA-based 3D modeling. Archives of Osteoporosis, 14(1).
  14. Beck B, Harding A, Weeks B, et al. (2021). Response to “Concerns regarding the use of 3D-DXA”. Bone, 149, 115936.
  15. Winzenrieth R, Humbert L, Di Gregorio S, Bonel E, García M, Del Rio L. Effects of osteoporosis drug treatments on cortical and trabecular bone in the femur using DXA-based 3D modeling. Osteoporos Int.2018;29(10):2323–2333.
  16. Cummings SR, Cauley JA, Palermo L, et al. Racial differences in hip axis lengths might explain racial differences in rates of hip fracture. Osteoporos Int.1994;4(4):226–229.
  17. Kim KM, Brown JK, Kim KJ, et al. Differences in femoral neck geometry associated with age and ethnicity. Osteoporos Int. 2010;22(7):2165–2174.
  18. Sone T, Humbert L, Lopez M, et al. (2022). Assessment of femoral shape, trabecular and cortical bone in Japanese subjects using DXA-based 3D modelling. JOURNAL OF BONE AND MINERAL RESEARCH, 37, 214--214.
  19. Varoquaux G, Cheplygina V (2022). Machine learning for medical imaging: methodological failures and recommendations for the future. npj Digital Medicine, 5(1).
  20. Hadjiiski L, Cha K, Chan H, et al. (). AAPM task group report 273: Recommendations on best practices for AI and machine learning for computer‐aided diagnosis in medical imaging. Medical Physics, 50(2).
  21. Huisman M (2024). When AUC-ROC and accuracy are not accurate: what everyone needs to know about evaluating artificial intelligence in radiology. European Radiology, 34(12), 7892–7894.
  22. Gallifant J, Bitterman DS, Celi LA, et al. (2024). Ethical debates amidst flawed healthcare artificial intelligence metrics. npj Digital Medicine, 7(1).
  23. Amani A, Bellver M, del Rio L, et al. (2022). Femur 3D-DXA Assessment in Female Football Players, Swimmers, and Sedentary Controls. International Journal of Sports Medicine, 44(06), 420–426.
  24. Maïmoun L, Renard E, Humbert L, et al. (2021). Modification of bone mineral density, bone geometry and volumetric BMD in young women with obesity. Bone, 150, 116005.
  25. Jain RK, López Picazo M, Humbert L, et al. (2025). Bone Structural Parameters as Measured by 3-Dimensional Dual-Energy X-Ray Absorptiometry Are Superior in Black Women and Demonstrate Unique Associations With Prior Fracture Versus White Women. Endocrine Practice, 31(2), 152–158.
  26. Gracia-Marco L, Gonzalez-Salvatierra S, Garcia-Martin A, et al. (2021). 3D DXA Hip Differences in Patients with Acromegaly or Adult Growth Hormone Deficiency. Journal of Clinical Medicine, 10(4), 657.
  27. Toussirot E, Winzenrieth R, Aubin F, et al. (2024). Areal bone mineral density, trabecular bone score and 3D-DXA analysis of proximal femur in psoriatic disease. Frontiers in Medicine, 11.
  28. Ubago-Guisado E, Moratalla-Aranda E, González-Salvatierra S, et al. (2023). Do patients with type 2 diabetes have impaired hip bone microstructure? A study using 3D modeling of hip dual-energy X-ray absorptiometry. Frontiers in Endocrinology, 13.
  29. Guerra FS, Palladino N, Winzenrieth R, et al. (2024). Advanced 3D-DXA insights into bone density changes in hyperparathyroidism. Journal of Diabetes \& Metabolic Disorders, 23(2), 2191–2199.
  30. Kužma M, Vaňuga P, Ságová I, et al. Non-invasive DXA derived bone structure assessment of acromegaly patients: a cross sectional study. Eur J Endocrinol. 2019;180(3):201–211.
  31. Maïmoun L, Aouinti S, Puech M, et al. Modification of bone architecture following sleeve gastrectomy: a five-year follow-up. J Bone Miner Res. 2024;40(2):251–261.
  32. Maïmoun L, Gelis A, Serrand C, et al. (2023). Alteration of Volumetric Bone Mineral Density Parameters in Men with Spinal Cord Injury. Calcified Tissue International, 113(3), 304–316.
  33. Harding AT, Weeks BK, Lambert C, et al. (2020). Effects of supervised high-intensity resistance and impact training or machine-based isometric training on regional bone geometry and strength in middle-aged and older men with low bone mass: The LIFTMOR-M semi-randomised controlled trial. Bone, 136, 115362.
  34. Gil-Cosano JJ, Ubago-Guisado E, Sánchez MJ, et al. (2020). The effect of an online exercise programme on bone health in paediatric cancer survivors (iBoneFIT): study protocol of a multi-centre randomized controlled trial. BMC Public Health, 20(1).
  35. Humbert L, Whitmarsh T, De Craene M, et al. (2010). 3D reconstruction of both shape and Bone Mineral Density distribution of the femur from DXA images. 2010 IEEE International Symposium on Biomedical Imaging: From Nano to Macro, 456–459.
  36. O’Rourke D, Beck BR, Harding AT, et al. (2021). Assessment of femoral neck strength and bone mineral density changes following exercise using 3D-DXA images. Journal of Biomechanics, 119, 110315.
  37. Dudle A, Gugler Y, Pretterklieber M, et al. (2023). 2D-3D reconstruction of the proximal femur from DXA scans: Evaluation of the 3D-Shaper software. Frontiers in Bioengineering and Biotechnology, 11.
  38. Clotet J, Martelli Y, Di Gregorio S, et al. (2018). Structural Parameters of the Proximal Femur by 3-Dimensional Dual-Energy X-ray Absorptiometry Software: Comparison With Quantitative Computed Tomography. Journal of Clinical Densitometry, 21(4), 550–562.
  39. Ramamurthi K, Ahmad O, Engelke K, et al. (2011). An in vivo comparison of hip structure analysis (HSA) with measurements obtained by QCT. Osteoporosis International, 23(2), 543–551.
  40. Whitmarsh T, Treece GM, Gee AH, et al. (2015). Mapping Bone Changes at the Proximal Femoral Cortex of Postmenopausal Women in Response to Alendronate and Teriparatide Alone, Combined or Sequentially. Journal of Bone and Mineral Research, 30(7), 1309–1318.
  41. Whitmarsh T, Treece GM, Gee AH, et al. (2016). The Effects on the Femoral Cortex of a 24 Month Treatment Compared to an 18 Month Treatment with Teriparatide: A Multi-Trial Retrospective Analysis. PLOS ONE, 11(2), e0147722.
  42. Huininga K, Koromani F, Zillikens M, et al. (2024). Use of 3D Shaper Analysis for the Assessment of Fracture Risk in a Population-Based Setting. JBMR Plus, 8(Supplement\_1), i1--i340.
  43. Huininga K, Koromani F, Zillikens MC, et al. (2024). Use of 3D Shaper Analysis for the Assessment of Fracture Risk in a Population-based Setting. ASBMR 2024 Annual Meeting Abstracts and Abstract Book.
  44. Qasim M, López Picazo M, Ruiz Wills C, et al. (2024). 3D-DXA Based Finite Element Modelling for Femur Strength Prediction: Evaluation Against QCT. Journal of Clinical Densitometry, 27(2), 101471.
  45. Iki M, Winzenrieth R, Tamaki J, et al. (2021). Predictive ability of novel volumetric and geometric indices derived from dual-energy X-ray absorptiometric images of the proximal femur for hip fracture compared with conventional areal bone mineral density: the Japanese Population-based Osteoporosis (JPOS) Cohort Study. Osteoporosis International, 32(11), 2289–2299.
  46. Grassi L, Väänänen SP, Ristinmaa M, et al. Prediction of femoral strength using 3D finite element models reconstructed from DXA images: validation against experiments. Biomechanics and Modeling in Mechanobiology, 16(3).
  47. Grassi L, Fleps I, Sahlstedt H, et al. (). Validation of 3D finite element models from simulated DXA images for biofidelic simulations of sideways fall impact to the hip. Bone, 142.
  48. Grassi L, Väänänen SP, Jehpsson L, et al. (). 3D Finite Element Models Reconstructed From 2D Dual‐Energy X‐Ray Absorptiometry (DXA) Images Improve Hip Fracture Prediction Compared to Areal BMD in Osteoporotic Fractures in Men (MrOS) Sweden Cohort. Journal of Bone and Mineral Research, 38(9).
  49. Grassi L, Väänänen SP, Voss A, et al. DXA-based 3D finite element models predict hip fractures better than areal BMD in elderly women. Bone. 2025;195:117457.
  50. Allison SJ, Poole KES, Treece GM, et al. (2015). The Influence of High-Impact Exercise on Cortical and Trabecular Bone Mineral Content and 3D Distribution Across the Proximal Femur in Older Men: A Randomized Controlled Unilateral Intervention. Journal of Bone and Mineral Research, 30(9), 1709–1716.
  51. Whitmarsh T, Fritscher KD, Humbert L, et al. (2011). Hip fracture discrimination using 3D reconstructions from Dual-energy X-ray Absorptiometry. 2011 IEEE International Symposium on Biomedical Imaging: From Nano to Macro, 1189–1192.
  52. Winzenrieth R, Ominsky M, Wang Y, et al. (2021). Differential effects of abaloparatide and teriparatide on hip cortical volumetric BMD by DXA-based 3D modeling. Osteoporosis International, 32(3), 575–583.
  53. England JR, Cheng PM (2019). Artificial Intelligence for Medical Image Analysis: A Guide for Authors and Reviewers. American Journal of Roentgenology, 212(3), 513–519.
  54. Lewiecki EM, Betah D, Humbert L, et al. (2024). 3D-modeling from hip DXA shows improved bone structure with romosozumab followed by denosumab or alendronate. Journal of Bone and Mineral Research, 39(4), 473–483.
  55. Winzenrieth R, Kostenuik P, Boxberger J, et al. (2022). Proximal Femur Responses to Sequential Therapy With Abaloparatide Followed by Alendronate in Postmenopausal Women With Osteoporosis by 3D Modeling of Hip Dual‐Energy X‐Ray Absorptiometry (DXA). JBMR Plus, 6(4).
  56. Winzenrieth R, Humbert L, Boxberger JI, et al. (2022). Abaloparatide Effects on Cortical Volumetric BMD and Estimated Strength Indices of Hip Subregions by 3D-DXA in Women With Postmenopausal Osteoporosis. Journal of Clinical Densitometry, 25(3), 392–400.
  57. Bennett C, Miller M, Wolford G (2009). Neural correlates of interspecies perspective taking in the post-mortem Atlantic Salmon: an argument for multiple comparisons correction. NeuroImage, 47, S125.
  58. Poole KE, Treece GM, Gee AH, et al. (2014). Denosumab Rapidly Increases Cortical Bone in Key Locations of the Femur: A 3D Bone Mapping Study in Women With Osteoporosis. Journal of Bone and Mineral Research, 30(1), 46–54.
  59. Sato M, Westmore M, Ma YL, et al. (2004). Teriparatide [PTH(1–34)] Strengthens the Proximal Femur of Ovariectomized Nonhuman Primates Despite Increasing Porosity. Journal of Bone and Mineral Research, 19(4), 623–629.
  60. Hadji P, Kamali L, Thomasius F, et al. (2024). Real-world efficacy of a teriparatide biosimilar (RGB-10) compared with reference teriparatide on bone mineral density, trabecular bone score, and bone parameters assessed using quantitative ultrasound, 3D-SHAPER® and high-resolution peripheral computer tomography in postmenopausal women with osteoporosis and very high fracture risk. Osteoporosis International, 35(12), 2107–2116.
  61. Sone T, Ohnaru K, Sugai T, et al. (2023). The effects of abaloparatide on hip geometry and biomechanical properties in Japanese osteoporotic patients assessed using DXA-based hip structural analysis: results of the Japanese phase 3 ACTIVE-J trial. Archives of Osteoporosis, 18(1).
  62. Genant HK, Engelke K, Bolognese MA, et al. (2016). Effects of Romosozumab Compared With Teriparatide on Bone Density and Mass at the Spine and Hip in Postmenopausal Women With Low Bone Mass. Journal of Bone and Mineral Research, 32(1), 181–187.
  63. MEDICAL 3S (2021). Webinar - Use of 3D-Shaper in clinical research: state of the art and potential applications
  64. Casado Burgos E, Di Gregorio S, González Macías J, et al. (2019). Datos de referencia de mediciones óseas en modelos 3D de fémur proximal en población española cn DXA: Proyecto SEIOMM 3D-SHAPPER. Congreso SEIOMM (24º : 2019 : Gerona).
  65. Brance ML, Saravi FD, Henr{\'i}quez MM, et al. (2020). Reference Values of Three-Dimensional Proximal Femur Parameters from Bone Densitometry Images in Healthy Subjects from Argentina. World Congress on Osteoporosis, Osteoarthritis and Musculoskeletal Diseases, 372--372.
  66. Jennings I (). 3D Shaper Technology: Revolutionizing Bone Health Analysis
  67. Al-Hashimi L, Klotsche J, Ohrndorf S, et al. (2023). Trabecular Bone Score Significantly Influences Treatment Decisions in Secondary Osteoporosis. Journal of Clinical Medicine, 12(12), 4147.
  68. Food {, Administration} D (2022). 510(k) Summary: K220822
  69. Broy SB, Cauley JA, Lewiecki ME, et al. (2015). Fracture Risk Prediction by Non-BMD DXA Measures: the 2015 ISCD Official Positions Part 1: Hip Geometry. Journal of Clinical Densitometry, 18(3), 287–308.
  70. Whitmarsh T, Humbert L, Craene MD, et al. (2009). Reconstrucción de la forma del fémur y densidad mineral ósea en 3D para el diagnóstico de osteoporosis a partir de DXA
  71. Whitmarsh T, Humbert L, Del Río Barquero LM, et al. (2011). Volumetric Bone Mineral Density Estimation using a 3D Reconstruction Method from Dual-energy X-ray Absorptiometry. ASBMR 2011 Annual Meeting Abstracts and Abstract Book.
  72. Whitmarsh T, Fritscher KD, Humbert L, et al. (2011). A Statistical Model of Shape and Bone Mineral Density Distribution of the Proximal Femur for Fracture Risk Assessment. Medical Image Computing and Computer-Assisted Intervention – MICCAI 2011, 393–400.
  73. Whitmarsh T, Fritscher KD, Humbert L, et al. (2012). Hip fracture discrimination from dual-energy X-ray absorptiometry by statistical model registration. Bone, 51(5), 896–901.
  74. Martelli Y, Whitmarsh T, Humbert L, et al. (2012). A software framework for 3D reconstruction and fracture risk assessment of the proximal femur from dual-energy x-ray absorptiometry. Proceedings of VPH 2012: Virtual Physiological Human - Integrative approaches to computational biomedicine.
  75. Slart RHJA, Punda M, Ali DS, et al. (2024). Updated practice guideline for dual-energy X-ray absorptiometry (DXA). European Journal of Nuclear Medicine and Molecular Imaging, 52(2), 539–563.