来自RSNA 2022椎骨折检测挑战赛中获胜的AI算法的外部验证

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 北美放射学会 (RSNA) 自2017年以来一直支持人工智能挑战.
• 最近的RSNA 2022椎骨折检测挑战算法在竞赛数据集上显示出高性能.
• 这些算法的现实世界临床性能仍未评估.

研究的目的:

• 从RSNA 2022挑战中对领先的AI算法进行概括性测试.
• 评估在临床实践中使用这些AI模型的可行性.

主要方法:

• 一个深度学习算法被选为其性能,便携性和易用性.
• 该算法在本地安装并测试了来自1级创伤中心的100个椎CT扫描 (50个骨折,50个负) 上.
• 通过放射学报告确定了基本真相; 计算了灵敏度,特异性,F1得分和AUC.

主要成果:

• 外部验证组的年龄大于竞争组 (53.5 ± 21.8 vs 58 ± 22.0 年; p < .05).
• 在外部组中,敏感度为86%,特异性为70%,而在竞争组中,分别为85%和94%.
• 错误分类的骨折往往涉及晚期退行性疾病,微妙的不移位骨折或不对齐.

结论:

• 人工智能模型在测试和外部数据集上表现出类似的灵敏度,这表明它有可能成为紧急分拣工具.
• 与年龄相关的并发症等因素可能会影响某些人群中的AI模型准确性和特异性.
• 需要进一步的研究来了解AI算法在临床环境中的贡献和局限性.