能够进行足骨折分类的人工智能多标签深度学习模型的外部验证

科学领域:

• 整形外科手术 整形外科手术
• 放射学 放射学是一门学科.
• 人工智能在医学中的应用

背景情况:

• 医学成像和人工智能使脚骨折的分类成为可能.
• 机器学习模型显示了AO/OTA分类的良好的内部有效性.
• 对人工智能模型的外部验证对于临床采用至关重要.

研究的目的:

• 使用AO/OTA系统对关节骨折分类的AI模型进行外部验证.
• 评估模型在不同机构和时间段的数据集上的表现.
• 确定改善AI模型在骨折分类中的外部有效性的方法.

主要方法:

• 一个深度学习的神经网络在7500个脚研究中进行了训练,用于AO/OTA骨折分类.
• 内部验证使用了来自瑞典的409项研究 (2002-2016).
• 外部验证使用了来自澳大利亚的399项研究 (2016-2020年).
• 主要结果包括接收器操作特征下的面积 (AUC) 和精度回忆曲线下的面积 (AUPR).

主要成果:

• 人工智能模型实现了0.95 (内部) 和0.86 (外部) 的加权平均AUC.
• 精度回忆曲线下的面积为0.96 (内部) 和0.93 (外部).
• 特定骨折亚型 (44A-C) 的性能指标为0.93 (内部) 和0.82 (外部).

结论:

• 人工智能模型表现出良好的可转移到具有不同特征的外部数据集.
• 在临床实施之前,对AI算法的本地验证至关重要.
• 有针对性的再培训可以提高AI模型的性能,并支持客观的骨折治疗建议.