对人工智能解决方案的外部验证,用于检测儿童的肘部骨折和关节输液

科学领域:

• 儿科放射学 儿科放射学
• 人工智能在医学中的应用
• 医学成像分析 医学成像分析

背景情况:

• 肘部骨折和关节溢出是常见的儿科伤害.
• 准确和及时的诊断对于适当的管理至关重要.
• 人工智能 (AI) 提供了改善医学成像诊断准确性的潜力.

研究的目的:

• 在儿科队列中对人工智能解决方案进行外部验证,以检测肘部骨折和关节输液.
• 通过多种检测方法评估AI的诊断性能.

主要方法:

• 追溯分析了712名患有肘部创伤的儿童的758个X射线图集.
• 人工智能检测与11名高级放射科医生设定的参考标准的比较.
• 使用四个指标评估AI性能:骨折检测,列举,定位和病变检测.

主要成果:

• 所有四种检测方法的AI灵敏度都超过了89%,病变检测率为95.0%.
• 人工智能特异性在63% (损伤检测) 到77% (骨折检测) 之间.
• 负预测值始终在92%以上,而正预测值在54%至73%之间.

结论:

• 人工智能解决方案在识别儿童的肘部骨折和/或关节输液方面表现出高性能.
• 一个值得注意的发现是,在这个队列中,8%的AI排除的病例具有真正的创伤性肘部病变.
• 进一步的评估是有必要的,以改进AI性能在现实世界的临床环境.