人工知能モデルは,X線写真での小児骨折検出の臨床応用で信頼性があるのでしょうか? 体系的なレビューとメタ解析

科学分野:

• 放射線科
• 小児整形医療
• 人工知能

背景:

• AIはX線写真による小児骨折の診断に 期待を寄せています
• 現存する研究には,サンプルサイズが小さく,外部検証が一貫していないという 限界があります.
• 臨床適用のための堅実な推定を提供するためにメタ分析が必要である.

研究 の 目的:

• 小児骨折のAIモデルの統合診断性能 (感度,特異性,AUC) を決定する.
• 外部検証データを用いてAIモデルの臨床適用性を評価する.
• 人工知能モデルの性能に対する解剖学的カバーの影響を調査する.

主な方法:

• PRISMA 2020のガイドラインに沿った体系的なレビューとメタ分析.
• 10,203人の小児患者の診断精度に関する16件の研究を含めた.
• QUADAS-2で評価されたバイアスのリスクと,GRADEで証拠の確実性.

主要な成果:

• プールの感度:93%,特異性:91%,AUC:0. 96
• AIモデルは,外部データセットで高い精度を保ちました (感度:93%,特異性: 88%,AUC: 0. 95).
• 幅広い解剖学的カバーは感度を改善し,単一領域のフォーカスは特異性を改善しました.

結論:

• 人工知能モデルは 放射線写真で小児骨折を 正確に検知し 外部検査で検証します
• 検証されたAIアルゴリズムは,急性ケアにおける診断の正確性を改善するために臨床医によって考慮することができます.
• 将来の研究は,サブグループのパフォーマンスに焦点を当て,AIの一般化のための外部検証を優先すべきである.