使用AO-OTA框架开发和验证人工智能模型来对关节骨折进行分类
Ehsan Akbarian1, Mehrgan Mohammadi2, Emilia Tiala2
1Department of Clinical Sciences, Karolinska Institutet, Danderyd University Hospital, Stockholm, Sweden. ehsan.akbarian@ki.se.
Acta orthopaedica
|June 18, 2024
概括
人工智能 (AI) 可以使用卷积神经网络 (CNN) 准确地分类骨折. 这种人工智能工具显示出在诊断关节骨折和相关损伤方面临床使用的潜力.
科学领域:
- 医学成像分析分析 医学成像分析
- 骨科诊断器 骨科诊断器 骨科诊断器
- 医疗保健中的人工智能
背景情况:
- 关节骨折是一个重大的诊断挑战,影响临床工作量.
- 准确的分类对于有效的治疗计划至关重要.
研究的目的:
- 开发和验证一个卷积神经网络 (CNN) 用于自动化关节骨折分类.
- 将人工智能驱动的分类与2018年AO-OTA系统保持一致.
- 将相关放射性发现的评估整合到AI模型中.
主要方法:
- 美国有线电视新闻网 (CNN) 在6361张部放射图 (2002-2016) 上接受了培训.
- 该模型的性能在324名患者的343张X射线图上得到了验证.
- 评估指标包括曲线下的面积 (AUC),灵敏度,特异性和尤登指数.
主要成果:
- 在骨折类别中,CNN实现了高性能,AUC从0.76到0.99.
- 关节骨折的特定AUC为0.86-0.99,距离大腿骨骨折为0.76-0.99,骨盆骨折为0.91-0.94.
- 在39个骨折类别中,29个骨折类别的AUC达到≥0.95.
结论:
- 人工智能证明了准确,自动化关节骨折分类的巨大潜力.
- 开发的CNN与AO-OTA分类系统保持一致.
- 进一步完善CNN可以促进其临床实施.


