人工智能改善了儿科和年轻成年人上肢骨折的住院检测

科学领域:

• 医疗成像医学成像
• 放射学中的人工智能
• 儿科整形外科 儿科整形外科

背景情况:

• 准确检测儿科上肢骨折对于及时有效治疗至关重要.
• 放射科住院医生和儿科住院医生可以从先进的工具中受益,以提高他们的诊断能力.
• 副专业的肌肉骨放射科医生代表了高标准的骨折检测性能.

研究的目的:

• 评估开源人工智能 (AI) 算法对肌肉骨放射科医生,放射科住院医生和儿科住院医生在儿童和年轻成人患者上肢骨折检测方面的表现的影响.
• 评估人工智能协助是否可以提高诊断准确性和解释效率.

主要方法:

• 一个数据集由0-22岁的患者的240个上肢X射线图进行了策划.
• 放射学和儿科住院医生,以及受过奖学金培训的肌肉骨放射学家,两次解读了放射图:一次没有人工智能协助,再一次在3-4周后得到人工智能协助.
• 使用接收机操作员曲线 (AUC) 下的面积来测量性能,并记录解释时间.

主要成果:

• 人工智能显著改善了放射科住院医生 (0.768至0.876) 和儿科住院医生 (0.706至0.844) 的AUC (P<0.001两者).
• 在非专业的肌肉骨放射科医生 (0.867到0.890,P = 0.093) 中,没有观察到AUC的显著改善.
• 在人工智能辅助下,住院人员的表现与没有人工智能的亚专家表现相当 (AUC 0.863 vs 0.867,P = 0.856),并且人工智能显著减少了解释时间 (52.1秒到38.9秒,P = 0.030).

结论:

• 一个公开可访问的AI模型大大提高了放射学和儿科住院人员在识别儿科上肢骨折方面的准确性.
• 人工智能辅助可以弥合居民和经验丰富的分专科医生放射科医生之间的绩效差距.
• 在解释儿科上肢X射线图时使用人工智能为改善临床实践中的诊断准确性和效率提供了一个有希望的途径.