使用人工智能开发远端骨骨折的诊断支持系统
Aashay Kekatpure1, Aditya Kekatpure2, Sanjay Deshpande3
1Department of Orthopaedics, DMMC, Nagpur, India. dr.aashayk@gmail.com.
International orthopaedics
|March 19, 2024
概括
这项研究开发了一种人工智能 (AI) 系统,用于在X射线上检测远端手臂骨折. 虽然特定,AI在识别骨折方面显示出高准确性,但需要提高临床使用的灵敏度.
科学领域:
- 整形外科手术 整形外科手术
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 深度学习 (Deep Learning) 是一种深度学习.
- 医学图像分析 医学图像分析
背景情况:
- 远端骨骨折具有临床意义,需要及时诊断以预防并发症.
- 传统的X射线成像可以错过微妙的骨折,导致诊断延迟.
- 人工智能 (AI),特别是深度学习,为自动化医疗图像分析和提高诊断准确性提供了潜力.
研究的目的:
- 开发和评估一个基于深度学习的诊断支持系统,用于识别远部骨骨折.
- 评估AI在使用传统X射线图像提供基于图像的骨折检测建议方面的可靠性.
主要方法:
- 从7岁及以上的患者对4931张常规X射线肘部图像 (前后侧视图) 的回顾性分析.
- 图像由两位高级骨科外科医生审查和标记;数据集分为培训 (79.88%) 和验证 (20.1%) 集.
- 在预处理图像到224x224像素后,采用了ResNet18深度学习架构.
主要成果:
- 深度学习模型在验证集中实现了69.14%的准确性,95.89%的特异性和99.47%的正预测值 (PPV).
- 灵敏度为61.49%,表明了显著的虚假阴性率.
- 人工智能模型的曲线下的面积 (AUC) 为0.787,而高级外科医生为0.580,表明AI的潜力,但与人类专家相比,其性能有所不同.
结论:
- 深度学习系统展示了从X光片中诊断远端骨骨折的潜力,具有强大的特异性和PPV用于识别微妙的病变.
- 该模型的高假阴性率 (低灵敏度) 需要改善临床应用.
- 进一步的研究和验证对于提高灵敏度和整体诊断准确度对于实际临床实施至关重要.
