骨齡是什麼(Bone Age)
骨頭的「成熟年齡」。每個孩子成熟的速度不一樣,10 歲的孩子,骨頭可能像 9 歲,也可能像 11 歲。

健康小教室・醫檢師寫的衛教
孩子比同學矮、長得變慢、太早或太晚發育,都可能需要看骨齡。骨齡超前或落後代表什麼?要怎麼追蹤?醫檢師整理成一張好懂的衛教單張。
衛教單張可以在本頁最下面下載,也可以來所裡索取紙本。
拍一張左手腕 X 光,了解孩子的生長發育走到哪裡
骨頭的「成熟年齡」。每個孩子成熟的速度不一樣,10 歲的孩子,骨頭可能像 9 歲,也可能像 11 歲。
看手掌、手腕的骨頭和生長板,跟國際常用的 Greulich-Pyle 圖譜比對。本所用 AI 推估,結果僅供參考。
比同學矮很多或高很多、長得突然變慢、女生 8 歲前、男生 9 歲前就開始發育,或女生 13 歲、男生 14 歲還沒發育。
骨齡要跟身高、發育階段、爸媽身高一起看。一次結果不代表長不高,也不代表有問題。
骨齡落後:常見的是「晚熟」體質,長得慢、但長得久;也可能跟營養、甲狀腺、生長激素有關。
骨齡超前:可能太早發育、體重過重、甲狀腺亢進或荷爾蒙影響,生長的時間可能變短。
持續追蹤:每 3~6 個月量一次身高,記在生長曲線上,比單看一次更有意義。
不要自己補:含女性荷爾蒙、睪固酮的產品(包括藥膏)會讓骨齡超前;來源不明的轉骨方、增高保健品請先問醫師。
睡飽:學齡孩子每天睡 9~12 小時
多運動:每天動 60 分鐘,跳繩、打球都好
少喝含糖飲料:喝水、牛奶,含糖飲料少碰
控制體重:體重過重可能提早發育
定期量身高:每 3~6 個月量一次,記下來
| 程度 | 建議 |
|---|---|
| 正常 | 骨齡在正常範圍 維持好作息,繼續追蹤生長曲線。 |
| 需要注意 | 骨齡超前或落後,但身高還在長 帶報告到小兒科討論,醫師可能安排約 12 個月後再照一次。 |
| 需要就醫 | 5 歲到青春期前一年長不到 5 公分、身高低於同齡第 3 百分位、太早或太晚發育 請帶報告到小兒內分泌科。 |
請就醫不要等:孩子頭痛、嘔吐、視力變差,同時生長變慢或太早發育,請盡快到小兒科。
價格為本所現行自費參考價,以現場公告為準。可以單驗,也可以跟其他項目一起抽。
| 檢驗項目 | 自費價格 |
|---|---|
| Bone Age X-Ray 骨齡檢測(左手腕 X 光,含 AI 分析) | NT$800 |
檢測內容與報告範例請看骨齡檢測專頁。
一張 A4,可以印出來,或傳給家人看。
下載 PDF(A4 一頁)・看全部衛教單張・資料來源:Greulich WW, Pyle SI. Radiographic Atlas of Skeletal Development of the Hand and Wrist. 2nd ed. Stanford University Press; 1959、Cavallo F, et al. Evaluation of Bone Age in Children: A Mini-Review. Front Pediatr 2021;9:580314、Barstow C, Rerucha C. Evaluation of Short and Tall Stature in Children. Am Fam Physician 2015;92:43-50(轉介標準)、Halabi SS, et al. The RSNA Pediatric Bone Age Machine Learning Challenge. Radiology 2019;290:498-503。
機構合法資訊
撰文與審核者
隱私與保密承諾
法令遵循宣告: 本所為依《醫事檢驗師法》設立之醫事檢驗機構,檢驗業務由合格醫事檢驗師執行,並依《個人資料保護法》蒐集、處理與利用個人資料。本頁所載之檢驗項目、費用與流程說明,均以本所現行作業為準。
本頁內容為衛生教育資訊,不能取代醫師的診斷與治療。資料來源:Greulich WW, Pyle SI. Radiographic Atlas of Skeletal Development of the Hand and Wrist. 2nd ed. Stanford University Press; 1959、Cavallo F, et al. Evaluation of Bone Age in Children: A Mini-Review. Front Pediatr 2021;9:580314、Barstow C, Rerucha C. Evaluation of Short and Tall Stature in Children. Am Fam Physician 2015;92:43-50(轉介標準)、Halabi SS, et al. The RSNA Pediatric Bone Age Machine Learning Challenge. Radiology 2019;290:498-503。。