儿童肘部创伤:放射性人工智能模型的开发和评估
Clémence Rozwag1,2, Franck Valentini1,3,4,5, Anne Cotten1,2
1Université de Lille , Lille, France.
Research in diagnostic and interventional imaging
|July 30, 2024
概括
这项研究开发了一种人工智能 (AI) 模型,用于检测儿科肘部X射线损伤. 虽然一个人工智能模型改善了放射科医生的表现,另一个模型意外地减少了它,突出了临床影响的变化.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 儿科放射学 儿科放射学
背景情况:
- 儿童的创伤后伤害需要通过肘部X射线进行准确和及时的诊断.
- 人工智能 (AI) 具有提高医学成像诊断准确性的潜力.
- 评估人工智能对临床解释的现实影响至关重要.
研究的目的:
- 开发和评估一种人工智能模型,用于在儿科肘部X射线上检测创伤后伤害.
- 评估AI模型在晶体中的性能及其对放射科医生的解释的影响.
- 为了比较不同AI模型的临床实用性.
主要方法:
- 1956年从935名患者 (0-18岁) 的儿科肘部放射图的回顾性收集.
- 在收集的X射线上训练深层卷积神经网络.
- 在120名患者的外部测试组上评估两个选定的AI模型,有或没有放射科医生的协助.
主要成果:
- 两个人工智能模型显示了高的性能 (AUROC > 0.975).
- 模型1在外部测试套件上实现了82.5%的准确性和0.916 AUROC,提高了放射科医生的灵敏度和准确性.
- 模型2实现了69.2%的精度和0.793 AUROC,降低了放射科医生的特异性.
结论:
- 对儿童肘部X射线损伤评估的深度学习模型的可行开发.
- 具有类似in silico指标的AI模型可以产生不可预测的临床结果.
- 需要仔细验证,以确保人工智能工具增强,而不是阻碍临床解释.
