使用人工智能工具与有限的人力劳动构建临床放射性膝关节骨关节炎数据库:原则证明
Anders Lenskjold1, Mathias W Brejnebøl1, Janus U Nybing2
1Department of Radiology, Copenhagen University Hospital Bispebjerg-Frederiksberg, Copenhagen, Denmark; Radiological Artificial Intelligence Testcenter, Copenhagen, Denmark; Department of Clinical Medicine, University of Copenhagen, Copenhagen, Denmark.
Osteoarthritis and cartilage
|December 3, 2023
概括
人工智能 (AI) 工具有效地创建了一个大型膝关节骨关节炎 (OA) 放射数据库,大大减少了放射科医生的阅读时间和手动审查. 这种可扩展的方法使全球多样化的开放式开放研究和假设测试能够使用真实世界的数据.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 骨关节炎研究 骨关节炎研究
背景情况:
- 为膝关节骨关节炎 (OA) 研究开发大规模,高质量的放射数据库至关重要,但劳动密集.
- 现有的方法需要大量的放射科医生时间来分级和测量,限制队列的多样性和可扩展性.
研究的目的:
- 使用人工智能 (AI) 工具建立一个可扩展和可行的追溯膝关节OA放射数据库.
- 为了尽量减少人类劳动在数据收集和分析膝盖OA研究.
主要方法:
- 四个人工智能工具 (两个商业,两个定制) 分析了来自8575名患者 (35-79岁) 的6年膝盖放射图.
- 人工智能工具进行了凯尔格伦-劳伦斯 (KL) 分级,关节空间宽度测量,骨菌检测和植入物/标记物识别.
- 数据包括25778张膝盖放射,其中92.5%产生了完整的OA数据集.
主要成果:
- 大约节省了800个小时的放射科医生阅读时间.
- 手动审查减少到分析图像的仅为16.0%.
- 成功创建了一个全面的膝关节OA放射数据库,数据完整性很高.
结论:
- 人工智能能够高效地构建临床膝关节OA数据库,具有统一的分级和测量,减少人类的努力.
- 由人工智能驱动的方法可以跨时间和地理范围进行扩展,促进多元化的全球开放式资源研究,并防止队列过度匹配.
- 这种方法允许使用当前的临床数据和疾病趋势重新测试现有和测试新假设.
