人工智能展示了在多种模式中增强骨科成像的潜力:系统性审查

科学领域:

• 整形外科手术 整形外科手术
• 医疗成像医学成像
• 人工智能 (AI) 是一种人工智能.
• 机器学习 (ML) 是指机器学习.

背景情况:

• 许多AI辅助的医学成像应用存在于整形外科.
• 显而易见的是,缺乏对这些人工智能应用的临床疗效和实用性的比较研究.
• 本系统性审查解决了评估人工智能在骨科成像中的作用的需要.

研究的目的:

• 系统地审查和评估人工智能应用在骨科成像中的有效性和可靠性.
• 评估人工智能对诊断准确度,图像细分和运营效率的影响.
• 在整形外科的各种成像模式中分析AI性能.

主要方法:

• 根据PRISMA指南 (PubMed,Cochrane,Scopus) 从创立到2024年3月进行了全面的文献搜索.
• 包括在2018年9月至2024年2月期间发表的评估ML模型在骨科成像中的有效性研究.
• 使用Joanna Briggs Institute (JBI) 批判性评估工具和ROBINS-I工具进行了偏见评估.

主要成果:

• 53项研究分析了11,990,643张图像;39项报告了子相似系数 (DSC),15项报告了准确性和灵敏性.
• 卷积神经网络 (CNN) 是最常见的ML模型,出现在17项研究中 (32%).
• 人工智能模型在各种成像模式中展示了高性能指标,用于细分和分析.

结论:

• 人工智能应用程序在准确细分和分析骨科图像方面表现出各种能力.
• 人工智能模型在骨科成像任务中实现了高性能指标.
• 需要进一步的研究,包括随机对照试验,以验证AI在临床环境中的发现.