人工智能诊断精度在骨折检测从普通X射线图和与临床医生的比较:一个系统的审查和元分析

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 放射学 放射学是一门学科.

背景情况:

• 骨折检测是医学中一个关键的诊断任务.
• 人工智能 (AI) 越来越多地被研究其在医学成像分析中的潜力.
• 评估AI在骨折检测方面的性能对于临床整合至关重要.

研究的目的:

• 系统地审查和元分析人工智能算法的性能,以检测平面放射图上的骨折.
• 将AI性能与人类临床医生的性能进行比较.
• 识别影响AI算法在断裂检测中的性能因素.

主要方法:

• 对评估人工智能用于在普通放射图上检测骨折的研究进行系统审查.
• 使用双变量回归方法进行元分析,以结合研究绩效.
• 进行元回归分析,探索影响人工智能性能的因素.

主要成果:

• 在100项研究中,AI算法实现了91.43%的灵敏度和92.12%的特异性 (AUC=0.968).
• 骨/骨骨折显示出更高的AI灵敏度;最近的出版物和Xception架构改善了特异性.
• 人工智能和临床医生具有相似的特异性,但人工智能倾向于更高的灵敏度;放射科医生在某些子组中更具特异性.

结论:

• 人工智能工具显示出大大改善患者护理的潜力,特别是在放射科医生可用性有限的地区.
• 了解影响人工智能性能的因素对于优化人工智能开发和部署在断裂检测方面至关重要.
• 人工智能可以在骨折检测中发挥重要作用,补充人类的专业知识.