机器学习在脊椎骨折诊断中的价值:系统性审查和元分析
Yue Li1, Zhuang Liang1, Yingchun Li1
1Pain Ward of Rehabilitation Department, Honghui Hospital, Xi'an Jiaotong University, Xi'an, Shaanxi Province 710054, PR China.
European journal of radiology
|September 6, 2024
概括
机器学习 (ML) 在检测脊椎骨折方面表现出很高的准确性,特别是使用CT,MRI和X射线的深度学习 (DL) 模型. ML还有助于预测骨质疏松性骨折,以进行个性化预防.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 脊椎骨折对健康造成重大负担,需要准确的诊断工具.
- 机器学习 (ML) 为改善脊椎骨折的检测和特征提供了潜力.
研究的目的:
- 系统地评估ML在检测脊椎骨折中的诊断准确性.
- 评估不同骨折分类,患者组和成像模式的ML性能.
主要方法:
- 系统审查和对2023年12月31日之前发表的研究进行元分析.
- 搜索了主要的数据库 (PubMed,Embase,科克莱恩图书馆,科学网).
- 分析了五个不同的诊断任务的ML性能,使用双变的混合效应模型.
主要成果:
- 在脊椎骨折方面,ML实现了高诊断准确度 (灵敏度0.91,特异性0.95).
- 深度学习 (DL) 模型,特别是CT和MRI,表现出卓越的性能.
- ML在区分骨折类型和预测骨质疏松性骨折方面表现出很强的准确性.
结论:
- 在各种成像技术中,ML,特别是DL,对脊椎骨折具有很高的诊断准确性.
- ML显示了预测骨质疏松性脊椎骨折的前景,支持量身定制的预防.
- 建议进行进一步的临床验证,以确认ML在脊椎骨折管理中的广泛有效性.
