观察者间协议和同时执行人工智能援助,用于膝关节骨关节炎的放射评估
Mathias W Brejnebøl1, Anders Lenskjold1, Katharina Ziegeler1
1From the Department of Radiology (M.W.B., A.L., F.C.M., J.U.N., D.I.R., C.T.N., M.B.), The Parker Institute (M.W.B., A.L., J.U.N., C.T.N., M.B.), and Department of Orthopaedic Surgery (C.U.S.), Bispebjerg and Frederiksberg Hospital, Bispebjerg Bakke 23, 2400 Copenhagen, Denmark; Radiologic AI Testcenter, Copenhagen, Denmark (M.W.B., A.L., F.C.M., J.U.N., C.T.N., M.B.); Departments of Radiology (K.Z., H.C., S.A.D., K.G.A.H.) and Orthopedic Surgery (B.B., M.M.), Charité Universitätsmedizin-Berlin, Berlin, Germany; Departments of Radiology & Nuclear Medicine (H.R., J.J.V., L.M.S., E.H.G.O.) and Orthopedic Surgery (J.J.), Erasmus MC, Rotterdam, the Netherlands; Department of Radiology, Herlev and Gentofte, Copenhagen, Denmark (F.C.M.); and Department of Orthopedic Surgery, Copenhagen University Hospital Hvidovre, Hvidovre, Denmark (A.G.).
人工智能 (AI) 显著改善了初级读者膝关节骨关节炎 (KOA) 评分表现,并增强了所有参与者的观察者间协议. 这项研究强调了人工智能.
科学领域:
- 放射学和整形外科手术
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 相互矛盾的文献发现引发了人们对膝关节骨关节炎 (KOA) 放射性分级的客观性的担忧.
- 已建立的Kellgren-Lawrence (KL) 评分系统被广泛使用,但可能会受到观察者之间的变化.
研究的目的:
- 评估人工智能 (AI) 协助对放射科医生和骨科医生在使用KL系统对KOA分级的性能和观察者间协议的影响.
- 评估人工智能如何影响不同经验水平的分级准确性,从培训到董事会认证的专业人士.
主要方法:
- 追溯性研究分析了3个欧洲中心的225张站立膝盖放射图 (2019年4月至2022年5月).
- 读者 (放射科医生和骨科医生) 使用Kellgren-Lawrence尺度对KOA进行了评分,并没有人工智能工具的帮助.
- 使用顺序接收器运行特征分析来评估性能,并使用光卡帕统计数据来测量interrater协议.
主要成果:
- 人工智能辅助改善了六名初级阅读者中的三名的KL评分表现.
- 在所有阅读器中,随着人工智能的协助,对KL分级的观察者间一致性显著增加 (κ = 0.85对0.77).
- 经过董事会认证的放射科医生与人工智能协助达成了近乎完美的协议 (κ = 0.90).
结论:
- 人工智能辅助提高了初级读者在放射性KOA分级中的表现.
- 人工智能工具提高了所有经验水平的读者之间的KOA评分的观察者间协议.
- 人工智能显示出在放射性骨关节炎评估中提高客观性和一致性的潜力.
