人工智能的诊断性能用于检测甲状腺和远距离半径骨折:系统性审查

科学领域:

• 骨科诊断器 骨科诊断器 骨科诊断器
• 医疗人工智能的人工智能

背景情况:

• 骨和远半径骨折是常见的骨科损伤.
• 准确和及时的诊断对于最佳的患者结果至关重要.
• 现有的诊断方法可能受到人类解释的变化和疲劳的限制.

研究的目的:

• 评估人工智能 (AI) 模型在检测骨和远半径骨折方面的诊断准确性.
• 将人工智能模型的性能与骨折诊断中的人类临床专家进行比较.

主要方法:

• 使用PubMed,OVID/Medline和Cochrane数据库进行了系统的文献审查.
• 包括专注于人工智能模型开发,验证和对骨或远半径骨折的性能分析的研究.
• 提取的数据包括研究设计,AI架构,诊断精度和成像模式.

主要成果:

• 分析了21项研究,其中人工智能模型显示出高诊断性能 (AUROC 0.77-0.99).
• 人工智能模型的准确度为72.0%-90.3%的骨骨折和89.0%-98.0%的远半径骨折.
• 在92.9%的比较研究中,人工智能性能与人类专家相比或优于人类专家,特别是当被训练在具有挑战性的骨折模式时.

结论:

• 人工智能模型在诊断骨和远半径骨折方面表现出卓越的有效性,经常与人类专家的性能相匹配或超过.
• 人工智能在检测隐形骨折和提高诊断工作流程效率方面表现有前途.
• 未来的研究应该澄清人工智能在识别困难骨折方面的作用,而不是常规诊断援助.