商业骨折检测产品中的人工智能:对诊断测试准确性的系统审查和元分析
Julius Husarek1,2,3, Silvan Hess1, Sam Razaeian4
1Department of Orthopaedic Surgery and Traumatology, Bern University Hospital, Inselspital, University of Bern, Bern, Switzerland.
Scientific reports
|October 4, 2024
概括
商业AI骨折检测解决方案 (CAAI-FDS) 在放射学上显示出良好的诊断准确性,特别是与人类评估相结合时. 性能因解剖区域而异,脊椎和肋骨骨折的准确性较低.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 诊断准确性研究 诊断准确性研究
背景情况:
- 常规放射 (CR) 是骨折诊断的标准.
- 针对CR的人工智能 (AI) 旨在提高效率和准确性.
- 商业AI骨折检测解决方案 (CAAI-FDS) 的性能在不同地区和人类-AI交互中并不成熟.
研究的目的:
- 系统地审查和分析CAAI-FDS用于CR的诊断性能.
- 为了比较独立人工智能,无助人类和人工智能辅助人类评估的性能.
- 调查行业资金对报告准确性的影响.
主要方法:
- 来自PubMed和Embase的同行评审诊断测试准确性 (DTA) 研究的系统审查.
- 包括17个DTA研究,包括7个CAAI-FDS和38,978个X射线.
- 双变随机效应建模用于聚合性能指标和对评级者影响进行比较元分析.
主要成果:
- 在大多数地区,CAAI-FDS表现出良好的到优秀的综合敏感性和中等到良好的特异性,除了肋骨和脊柱.
- 人工智能辅助的人类评估显示显著高于独立人工智能的特异性.
- 与非资助研究相比,资助研究报告的敏感度略高,特异性较低.
结论:
- CAAI-FDS通常表现出良好的诊断准确性,在与人类专业知识一起使用时性能得到提高.
- 脊椎和肋骨骨折对当前的人工智能检测解决方案构成挑战.
- 行业融资似乎对CAAI-FDS报告的业绩影响很小.
