緊急の整形外傷における骨折検出のためのマルチモダル大言語モデル:診断精度研究

科学分野:

• 医療における人工知能
• 放射線解釈技術について
• 整形外傷診断 整形外傷診断

背景:

• 緊急治療室 (ED) での骨折の正確な検出は,高い患者数と時間圧迫のため,診断エラーを増やすことが不可欠です.
• 画像認識を備えたマルチモダル大型言語モデル (LLM) は,臨床的意思決定支援の可能性を秘めているが,ED整形外科画像処理のワークフローにおけるその有用性は十分に定義されていない.

研究 の 目的:

• ED患者の骨折検出のための整形外科医の専門家と比較して,マルチモダルのLLMの診断の正確性と合意を評価する.
• 整形外科のトラウマに対する現実世界の臨床ワークフローにおけるLLMのパフォーマンスを評価する.

主な方法:

• 1136人の連続したED患者で,整形外科に紹介された後の研究.
• 非常用放射線写真と臨床データは,マルチモダルのLLM (2025版) によって処理されました.
• LLMのアウトプットは,コーエンのカッパ,感度,特異性,および精度を使用して,盲目の整形外科医による最終診断と比較されました.

主要な成果:

• LLMは,専門医との診断合意 (71.1%; κ = 0.634) を中等から良好に達成しました.
• 感度は76.9%で,特異性は66.8%で,膝のトラウマの合意が最も高かった.
• 偽陰性症例 (16.2%) は,特に足首と足の部位 (それぞれ30.4%と17.4%のFN率) で,非移転骨折で頻繁に発生しました.

結論:

• マルチモダルのLLMは,ED整形外科イメージングにおける意思決定支援ツールとして有望ですが,まだ信頼性の高いスタンドアロン診断システムではありません.
• LLMの微妙で移動していない骨折を検出する限界は,患者の安全にリスクをもたらし,専門家の通訳の継続的な必要性を強調しています.
• ルーチン的な臨床採用の前に,最適化されたアルゴリズムによるさらなる前向きな,マルチセンター研究が必要である.