人工智能在脊椎骨折风险预测和诊断中的作用

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 骨辐射学 骨辐射学

背景情况:

• 脊椎骨折越来越普遍,需要准确的诊断和预后工具.
• 当前的诊断方法可能在准确性和效率方面存在局限性.

研究的目的:

• 系统地审查和元分析人工智能 (AI) 在诊断和预测各种类型的脊椎骨折方面的有效性.
• 评估AI模型在不同骨折病理方面的诊断性能.

主要方法:

• 对主要数据库进行了全面的系统搜索,以确定相关研究.
• 包括79项研究,其中40项正在进行元分析.
• 人工智能诊断模型按病理分类:非病理,骨质疏松和脊椎压缩骨折. 接收器运行特征曲线下的面积 (AUROC) 是主要的结果指标.

主要成果:

• 人工智能模型在诊断脊椎骨折方面取得了很高的准确性,AUROCs从0.85到0.92.
• 人工智能表现出显著的预测能力 (AUROC = 0.82).
• 深度学习模型在诊断所有骨折类型方面表现特别强,而传统模型在骨折预测方面占据领先地位 (中位数AUROC=0.90). 在各个研究中观察到高度的异质性.

结论:

• 人工智能技术在改善脊椎骨折的诊断和预后方面显著有前途.
• 高精度被证明,但显著的异质性和潜在的研究偏见需要谨慎.
• 人工智能模型的标准化和对各种数据集的验证对于临床实施至关重要.