通过人工智能增强膝盖MRI骨髓病变检测:外部验证研究

科学领域:

• 放射学
• 医学成像
• 人工智能

背景情况:

• 磁共振成像 (MRI) 对于检测膝关节骨髓胀至关重要,这是关键的关节炎和损伤指标.
• 精确的骨髓瘤检测主要依赖于放射科医生的专业知识,并且可能耗时.
• 在膝盖MRI中,骨髓胀的细分效率是一个重大挑战.

研究的目的:

• 评估人工智能 (AI) 对改善一般放射科医生的膝关节骨髓瘤诊断准确性的影响.
• 评估人工智能算法的性能和效率,以细分骨髓.
• 在膝盖MRI检测骨髓瘤的AI解决方案的外部验证.

主要方法:

• 一个多中心,多读者,多病例的回顾性研究,使用198个膝盖MRI检查的外部数据集.
• 使用3D-UNet模型的AI算法 (Keros) 在特定的MRI序列上进行骨髓瘤细分.
• 专家肌肉骨放射学家确定了基本事实;与人工智能辅助和无人工智能辅助的性能进行了比较.

主要成果:

• AI显著提高了检测骨髓的灵敏度,从79. 3%增加到85. 4% (p=0).
• 使用人工智能也显著提高了特异性,从88. 9%上升到93. 9% (p=0).
• 人工智能帮助减少了42%的阅读时间,每次考试平均节省了0.66分钟 (p=3.81e-41).

结论:

• 人工智能显著提高了一般放射科医生检测骨髓的灵敏度和特异性.
• 人工智能辅助阅读大大缩短了膝盖MRI解释所需的时间.
• 人工智能有助于改善膝关节关节炎患者的纵向监测.