人工智能在类风湿性关节炎中进行自动化放射评分:通过全面评估,阐明实施障碍
Alix Bird1, Lauren Oakden-Rayner1, Katrina Chakradeo2
1Australian Institute of Machine Learning, University of Adelaide, Corner Frome Road and North Terrace, Adelaide, SA, 5000, Australia; School of Public Health, The University of Adelaide, North Terrace, Adelaide, SA, 5000, Australia.
Seminars in arthritis and rheumatism
|June 13, 2025
概括
人工智能 (AI) 对类风湿性关节炎 (RA) 放射评分有前途,但目前的表现低于手工方法. 在临床应用之前,需要进一步开发大型,多样化的数据集.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 类风湿病学 类风湿病学
背景情况:
- 人工智能 (AI) 具有提高风湿性关节炎 (RA) 放射性评分效率和可靠性的潜力.
- 目前的证据不足以支持AI用于RA放射性评估的临床实施.
- 最先进的报告准则强调了AI在临床实践中整合的障碍.
研究的目的:
- 开发和严格验证一种深度学习模型,用于类风湿性关节炎 (RA) 中的自动化放射评分.
- 对外部测试集评估AI模型的性能,并与手动评分进行比较.
- 确定在RA射线计分中实施AI的障碍和要求.
主要方法:
- 训练有素的人工智能算法预测Sharp van der Heijde在手和脚中的得分,使用157名患者和1470张X射线图.
- 对来自两个医院的测试数据集进行了外部验证 (253名患者,589张X射线图).
- 使用标准指标,子组分析,错误探索和与功能结果的相关性来评估性能.
主要成果:
- 人工智能系统与人工得分器相比,与共识得分的一致性较低.
- 人工智能系统在排名得分方面更有效 (斯皮尔曼相关性:0.160.55),而不是实现绝对一致 (ICC:0.030.27).
- 整体性能不足以用于临床或研究用途.
结论:
- 目前用于RA的自动放射评分的AI系统不适合研究或临床实践.
- 人工智能算法的开发和评估需要大量,多样化和详细描述的纵向数据集.
- 改进的AI评估对于精确的临床结果评估和改善RA患者护理至关重要.
