一种基于人工智能的新型模型,用于青少年特异性脊柱病的自动化Lenke分类
Kunjie Xie1, Suping Zhu2, Jincong Lin1
1Department of Orthopedics, Xijing Hospital, Air Force Medical University, Xi'an, China.
概括
一个人工智能模型使用Lenke标准准确地分类青少年异常学脊椎病 (AIS). 这个工具通过提供快速而精确的脊柱结石评估来帮助脊柱外科医生.
科学领域:
- 整形外科 整形外科 整形外科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 青少年异常学脊椎病 (AIS) 需要准确的分类才能有效治疗.
- 伦克分类系统是对AIS曲线进行分类的标准.
- 手动分类可能耗时,并且受观察者之间的变化影响.
研究的目的:
- 开发和评估人工智能 (AI) 驱动的模型,用于AIS的Lenke自动分类.
- 根据既定指标和专家共识评估AI模型的性能.
主要方法:
- 一个回顾性研究,使用860个脊椎X光片从215个AIS患者.
- 人工智能模型执行了关键点检测,踏板细分和基于自定义策略的分类.
- 使用平均绝对差异 (MAD),类内相关系数 (ICC),布兰德-阿尔特曼分析和科恩的卡帕来评估表现.
主要成果:
- 人工智能模型在Lenke分类中表现出高准确性,平均卡帕值为曲线类型的0.866,腰部修饰器的0.845,胸部斜形状的0.827.
- 这些参数的准确率分别为87.07%,92.59%和92.59%.
- 小组分析证实了高一致性,卡帕值在0.635到0.930之间,准确率高达98.1%.
结论:
- 一个新的AI系统使得AIS的快速和准确的自动Lenke分类成为可能.
- 这种人工智能工具有可能帮助脊柱外科医生在临床决策中.
- 该模型显示了提高AIS评估效率和一致性的有希望的结果.
