三种商业人工智能算法对肌肉骨放射图解的真实临床影响:一个潜在的交叉阅读器研究
Philipp Prucker1, Tristan Lemke1, Christian J Mertens1
1Institute for Diagnostic and Interventional Radiology, TUM School of Medicine and Health, TUM University Hospital Rechts der Isar, Munich, Germany.
International journal of medical informatics
|September 20, 2025
概括
用于肌肉骨放射的AI工具提高了放射科医生的信心,并减少了解释时间,而不会影响诊断准确度. 这支持人工智能在提高临床环境工作流程效率和成本效益方面的作用.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 肌肉骨诊断 肌肉骨诊断 在
背景情况:
- 深度学习 (AI) 工具越来越多地用于医学成像.
- 评估它们对常规肌肉骨放射图解的实际影响至关重要.
研究的目的:
- 评估三个商业人工智能工具 (BoneView,Rayvolve,RBfracture) 的诊断性能,工作流效率和临床影响.
- 评估人工智能对肌肉骨放射图解的影响,由放射科医生解释.
主要方法:
- 一项前性随机交叉研究,涉及1037个成年肌肉骨研究 (2926张X射线图).
- 两名放射科医生无助解释研究,并使用每个AI工具.
- 结果包括诊断准确性 (灵敏度,特异性,AUC),解释时间和诊断信心.
主要成果:
- 人工智能辅助并没有显著改变对骨折,脱位或液的诊断性能.
- 随着人工智能的使用,传译时间的中位数显著下降 (30-34s 到 21-26s).
- 在所有评估的AI工具中,诊断信心显著提高.
结论:
- 肌肉骨放射图的人工智能辅助解释通过减少阅读时间和增加信心来提高工作流程效率.
- 人工智能工具在大规模临床实施中显示出具有成本效益的潜力.
- 在这种情况下,人工智能不会显著影响诊断性能.
