椎骨折检测的人工智能:对诊断性能和临床潜力的系统审查
Wongthawat Liawrungrueang1, Watcharaporn Cholamjiak2, Arunee Promsri3
1Department of Orthopaedics, School of Medicine, University of Phayao, Phayao, Thailand.
Global spine journal
|January 12, 2025
概括
人工智能 (AI) 和深度学习 (DL) 模型在检测椎骨折方面表现有前途,特别是在CT扫描中. 在广泛临床使用之前需要进一步验证,因为人工智能应该增强,而不是取代人类的专业知识.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 放射学 放射学是一门学科.
背景情况:
- 人工智能 (AI) 和深度学习 (DL) 越来越多地用于增强医学成像中的骨折检测.
- 计算机断层扫描 (CT) 和放射图是识别椎骨折的关键方式.
研究的目的:
- 系统地审查AI和DL模型用于椎骨折检测的诊断性能.
- 评估这些AI/DL模型的潜在临床实用性.
主要方法:
- 从2000年到2024年,对主要数据库 (PubMed,Embase,Scopus,Web of Science) 进行系统的文献搜索.
- 包括评估AI模型用于椎骨折检测的研究.
- 提取诊断性能指标 (灵敏度,特异性,准确性,AUC) 和偏差评估 (PROBAST) 和报告 (PRISMA).
主要成果:
- 十一项研究 (2021-2024) 显示了可变的AI性能 (灵敏度为54.9%-100%,特异性为72%-98.6%).
- 在CT成像上,人工智能模型的表现普遍优于X射线图的模型,CNN,MobileNetV2和ViT实现了高精度.
- 大多数研究缺乏外部验证,这引发了人们对概括性的担忧.
结论:
- 人工智能和DL模型显示出改善椎骨折检测的巨大潜力,特别是CT成像.
- 高度的诊断准确性是可以实现的,但进一步的验证和改进对于临床整合至关重要.
- 人工智能工具应该作为诊断工作流程中人类专家解释的补充,而不是替代.
