基于深度学习的骨老软件在健康的韩国儿童身上进行临床验证

科学领域:

• 儿科内分泌学 儿科内分泌学
• 医学成像分析分析 医学成像分析
• 医疗保健中的人工智能

背景情况:

• 骨龄 (BA) 评估对于评估儿童发育状况和生长障碍至关重要.
• 准确的BA估计有助于诊断和管理儿科生长异常.

研究的目的:

• 评估基于深度学习 (DL) 的软件在健康的韩国儿童骨龄估计的临床性能.
• 使用一致率和布兰德-阿尔特曼分析,将DL软件的BA估计与时间年龄 (CA) 进行比较.

主要方法:

• 553张来自371名健康的韩国儿童 (4-17岁) 的左手X射线图的回顾性分析.
• 使用基于DL的商业BA软件 (BoneAge,Vuno) 进行评估.
• 临床性能通过对应率和Bland-Altman分析对CA进行评估.

主要成果:

• 在CA和DL估计的BA之间发现了显著的差异 (P<0.001).
• 观察到良好的相关性 (r=0.96),但根平均平方误差为15.4个月.
• DL软件显示了58.8%的一致率,截止时间为12个月,并且倾向于低估8.3岁以下儿童的BA.

结论:

• 基于DL的BA软件在健康的韩国儿童中表现出较低的一致率.
• 该软件显示了低估骨年龄的趋势,特别是在年幼的儿童中.