在腹部CT时的脊椎压缩骨折:低诊断,低治疗,以及AI算法的评估
Peder Wiklund1, David Buchebner2, Mats Geijer3,4,5
1Department of Radiology, Region Halland, 30185 Halmstad, Sweden.
概括
人工智能 (AI) 准确地检测到脊椎压缩骨折 (VCF),但诊断不足和治疗不足仍然是重大问题. 提高患者管理途径对于实现AI至关重要.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 骨质疏松症研究 骨质疏松症研究
背景情况:
- 脊椎压缩骨折 (VCFs) 很普遍,意味着骨质疏松性骨折风险增加.
- 显著数量的VCF被放射科医生报告不足,导致错过诊断和延迟治疗.
- 现有的管理途径往往无法及时启动骨质疏松症查和治疗,即使报告了VCF.
研究的目的:
- 评估一种新的人工智能 (AI) 算法,用于在腹部CT扫描上检测VCF.
- 评估患者队列中报告和未报告的VCF的患病率.
- 为了检查报告VCF后骨质疏松症治疗启动率.
主要方法:
- 对60岁以上的腹部CT扫描患者进行了回顾性队列研究.
- 审查了放射学报告和图像,以确定VCF.
- 一个人工智能算法处理CT图像用于VCF检测;电子健康记录被分析为治疗数据.
主要成果:
- 在1112名患者中,187名 (16.8%) 患有VCF;只有30%被放射科医生报告.
- 人工智能算法在中度至重度VCF (85.2%的灵敏度,92.3%的特异性) 中表现出高准确度.
- 报告VCF的30名患者中,只有3名在一年内开始治疗骨质疏松症.
结论:
- 人工智能算法显示VCF检测的高准确性,提供了提高诊断率的潜力.
- 观察到VCF的诊断不足和治疗不足,突出显示了患者护理中的关键差距.
- 将人工智能集成到临床工作流程中,需要同时改善管理途径,以有效地解决风险投资基金并防止未来的断裂.
