A Paradigm Shift in Osteoporosis Screening with AI: The Canadian Experience with Rho

Abstract

Osteoporosis, characterized by reduced bone mineral density (BMD), affects 200 million people worldwide. Osteoporosis-associated deterioration of bone quality increases an individual’s risk of a fragility fracture. After a first (primary) fracture, fracture risk increases considerably. Reduction of primary fragility fractures requires patient awareness of risk factors and initiation of strategies to optimize bone health. A novel machine learning-powered medical device, Rho™, analyzes routine X-rays, being acquired for any clinical indication, and alerts a radiologist at time of reporting the x-ray if the patient is at risk of having low BMD. By including the opportunistic finding in their X-ray report, the radiologist can prompt the often-overlooked clinical fracture risk assessment. In Canada, Rho has prospectively screened over 250,000 patients as part of routine care. In studies that have assessed outcomes of Rho findings, many patients are newly diagnosed with osteoporosis or elevated fracture risk. Once CE marked, Rho has the potential to reduce the burden of osteoporotic fractures on patients and the German healthcare system.

Zusammenfassung

Osteoporose, die durch eine verminderte Knochenmineraldichte (BMD) gekennzeichnet ist, betrifft weltweit 200 Millionen Menschen. Die mit der Osteoporose einhergehende Verschlechterung der Knochenqualität erhöht das Risiko einer Fragilitätsfraktur bei einer Person. Nach einer ersten (primären) Fraktur steigt das Frakturrisiko erheblich an. Um die Zahl der primären Fragilitätsfrakturen zu verringern, müssen die Patienten ihre Risikofaktoren kennen und Strategien zur Optimierung der Knochengesundheit einleiten. In Canada erhalten alle Frauen und Männer, die 65 Jahre oder älter sind ein Screening auf Osteoporose mittels DXA. Postmenopausale Frauen und Männer zwischen 50 und 64 Jahren mit Risikofaktoren für Frakturen sollten ebenfalls solch ein Screening erhalten. Ein neuartiges, auf maschinellem Lernen basierendes medizinisches Gerät, Rho™, analysiert routinemäßige Röntgenaufnahmen, die für jede vrschieden klinischen Indikation angefertigt werden, und warnt den Radiologen zum Zeitpunkt der Befundung der Röntgenaufnahme, wenn der Patient ein Risiko für eine niedrige BMD aufweist. Indem der Radiologe den opportunistischen Befund in seinen Röntgenbericht aufnimmt, kann er die oft übersehene klinische Frakturrisikobeurteilung veranlassen. In Kanada wurde das Rho-Screening prospektiv bei über 250 000 Patienten im Rahmen der Routineversorgung durchgeführt. In Studien, die die Ergebnisse von Rho-Befunden untersucht haben, wurde bei vielen Patienten eine Osteoporose oder ein erhöhtes Frakturrisiko neu diagnostiziert. Sobald die CE-Kennzeichnung erfolgt ist, hat Rho das Potenzial, die Belastung der Patienten und des deutschen Gesundheitssystems durch osteoporotische Frakturen zu verringern.

Keywords

bone mineral density - opportunistic screen - machine learning - x-ray

Schlüsselwörter

Knochenmineraldichte - opportunistisches Screening - maschinelles Lernen - Röntgen

Publication History

Received: 21 March 2025

Accepted: 23 May 2025

Article published online:
01 July 2025

• References

• 1 Kanis JA. Assessment of osteoporosis at the primary health care level. Technical Report. World Health Organization Scientific Group. 2007
• 2 Kanis JA, Norton N, Harvey NC. et al. SCOPE 2021: a new scorecard for osteoporosis in Europe. Arch Osteoporos 2021; 16: 82
• 3 Yamamoto N, Shiroshita A, Kimura R, Kamo T, Ogihara H, Tsuge T. Correction: Diagnostic accuracy of chest X-ray and CT using artificial intelligence for osteoporosis: systematic review and meta-analysis. J Bone Miner Metab. 2024
• 4 Brunader R, Shelton DK. Radiologic bone assessment in the evaluation of osteoporosis. Am Fam Physician 2002; 65: 1357-1364
• 5 Bilbily A, Syme CA, Adachi JD. et al. Opportunistic Screening of Low Bone Mineral Density From Standard X-Rays. J Am Coll Radiol 2024; 21: 633-639
• 6 Syme CA, Cicero MD, Narayan S, Rahman A, Bilbily A. Performance of an opportunistic AI tool at identifying low bone density using conventional x-ray in US patients. The American Society for Bone and Mineral Research Annual Meeting; Toronto, Canada. 27 September 2024.
• 7 Morin SN, Feldman S, Funnell L. et al. Clinical practice guideline for management of osteoporosis and fracture prevention in Canada: 2023 update. CMAJ 2023; 195: E1333-E1348
• 8 Epidemiology and Quality of Life Working Group of IOF. Kanis JA, Johansson H, Oden A, Cooper C, McCloskey EV. Worldwide uptake of FRAX. Arch Osteoporos 2014; 9: 166
• 9 Wright NC, Looker AC, Saag KG. et al. The recent prevalence of osteoporosis and low bone mass in the United States based on bone mineral density at the femoral neck or lumbar spine. J Bone Miner Res 2014; 29: 2520-2526
• 10 Syme CA, Lopes M, Bilbly A, Cicero MD. AI-Driven Opportunistic Bone Health Screening: The Clinical Adoption of Rho in Ontario Imaging Clinics. EJR AI. (submitted)
• 11 Jayarajah AN, Oikonomou A. Clinical impact of new AI tool that predicts low bone mineral density from x-ray: Experience at Sunnybrook Health Sciences Centre. The American Society for Bone and Mineral Research Annual Meeting; Toronto, Canada. 28 September 2024
• 12 Söreskog E, Borgström F, Shepstone L. et al. Long-term cost-effectiveness of screening for fracture risk in a UK primary care setting: the SCOOP study. Osteoporos Int 2020; 31: 1499-1506
• 13 Borgström F, Karlsson L, Ortsäter G. et al. Fragility fractures in Europe: burden, management and opportunities. Arch Osteoporos 2020; 15: 59
• 14 Thomasius F, Kurth A, Baum E, Drey M, Maus U, Schmidmaier R. Clinical Practice Guideline: The Diagnosis and Treatment of Osteoporosis. Dtsch Arztebl Int 2025; 122: 12-18
• 15 Johnell O, Kanis JA. An estimate of the worldwide prevalence and disability associated with osteoporotic fractures. Osteoporos Int 2006; 17: 1726-1733
• 16 Tan EH, Robinson DE, Jödicke AM. et al. Drug utilization analysis of osteoporosis medications in seven European electronic health databases. Osteoporos Int 2023; 34: 1771-1781