基于人工智能的算法的诊断准确性,用于在普通X射线上自动检测股骨骨折的部骨折:系统审查和元分析
Manish Raj1, Arshad Ayub2, Arup Kumar Pal3
1Department of Orthopaedic, All India Institute of Medical Sciences, Deoghar, Jharkhand India.
Indian journal of orthopaedics
|May 2, 2024
概括
人工智能 (AI) 算法在X射线上诊断股骨部 (NOF) 骨折方面表现有前途,其综合灵敏度为85%,特异性为87%. 这些人工智能工具可以帮助临床医生,提高诊断效率并减少工作量.
科学领域:
- 放射学 放射学是指放射学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 腿部部 (NOF) 骨折是一种常见且严重的损伤,特别是在老年人群中.
- 准确及时诊断NOF骨折对于有效的患者管理和结果至关重要.
- 平面放射仍然是NOF骨折检测的主要成像方式,但解释可能具有挑战性.
研究的目的:
- 系统地审查和元分析基于人工智能 (AI) 的算法诊断准确度,用于识别平面放射图上的NOF骨折.
- 使用诸如灵敏度,特异性和Youden指数等指标量化AI算法的性能.
主要方法:
- 在多个数据库 (PubMed,科学网,Scopus,IEEE,Science Direct) 进行了全面的搜索,直到2023年7月.
- 符合条件的研究包括英语描述性,分析性或试验性研究,该研究评估了用于在X射线上检测NOF骨折的AI算法.
- 数据提取和偏差风险评估由两个独立的审查团队使用CLAIM和QUADAS-2标准进行.
主要成果:
- 五项研究符合从437篇获取文章中包含的标准.
- 在诊断NOF骨折时,AI的综合灵敏度为85%,综合特异性为87%.
- 合并的尤登指数为0.73,正概率为19.88和负概率为0.17. 人工智能显示了与人类诊断的可比性,具有边际异质性 (I2 = 51%).
结论:
- 基于人工智能的算法显示出在平面放射图上检测NOF骨折的诊断辅助的巨大潜力.
- 这些人工智能工具可以提高诊断效率,节省临床医生的时间和精力.
- 在放射学工作流程中进一步整合人工智能可以提高NOF骨折诊断的准确性和速度.
