Mục tiêu: Tổng quan đặc điểm và hiệu năng chẩn đoán của các mô hình ứng dụng trí tuệ nhân tạo (AI) trong suy luận mật độ xương từ hình ảnh X-quang.
Phương pháp tổng quan: Tổng quan phạm vi (scoping review) theo PRISMA-ScR; tìm kiếm trên PubMed, Google Scholar được công bố từ 12/2015 đến 12/2025; đưa vào nghiên cứu gốc đánh giá hiệu năng của các mô hình ứng dụng AI trong suy luận mật độ xương từ X-quang đối chiếu với DXA.
Kết quả: 30 nghiên cứu được phân tích. Vị trí chụp phổ biến gồm X-quang ngực (30%), cột sống thắt lưng (26,7%) và khớp háng (26,7%). ResNet (15/30) và CNN (10/30) được sử dụng nhiều nhất. Hiệu năng các mô hình đạt: diện tích dưới đường cong ROC (AUC) 0,84-0,97, độ nhạy 84-97%, độ đặc hiệu 74-98%. 23/30 nghiên cứu chưa có xác thực ngoài và hầu như chưa tích hợp bệnh án điện tử (EMR).
Kết luận và khuyến nghị: Các mô hình ứng dụng AI suy luận mật độ xương từ hình ảnh X-quang cho thấy hiệu năng chẩn đoán cao (AUC 0,84-0,97) trong đó ResNet và CNN là các mô hình được sử dụng nhiều nhất. Phần lớn nghiên cứu chưa có xác thực ngoài và chưa tích hợp EMR.