人工智能用于检测部发育性发育不良:系统性审查
Suketu Bhavsar1,2, Bhanu B Gowda3,4,5, Maulini Bhavsar6
1Neonatology, Perth Children's Hospital, Nedlands, Australia.
Journal of paediatrics and child health
|September 28, 2025
概括
深度学习 (人工智能) 在使用X射线和超声波诊断部发育性发育不良 (DDH) 方面表现有前途. 虽然有效,但需要进一步的研究来确认其通用性和临床影响.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 儿科整形外科 儿科整形外科
背景情况:
- 部发育性形 (DDH) 需要早期诊断才能进行有效的干预.
- 深度学习 (DL) 算法为自动DDH检测提供了潜力.
- 人工智能驱动的诊断可以提高查效率和成本效益.
研究的目的:
- 系统地审查DL算法用于DDH检测的诊断准确性.
- 在X光和超声波部图像上评估DL性能.
- 评估AI在早期DDH查和管理中的潜力.
主要方法:
- 在多个数据库 (PubMed,EMBASE等) 的系统文献搜索. 在2024年10月之前.
- 包括涉嫌DDH的儿童前性和后性队列研究.
- 使用Cochrane协作指南和QUADAS-2对偏差风险的诊断准确性评估.
主要成果:
- 23项研究符合纳入标准 (15项针对美国,8项针对X射线图).
- DL算法表现出高的诊断准确性,曲线下的面积 (AUC) 在0.80-0.99.9之间.
- 对于DDH检测的灵敏度和特异性在两种成像方式中都很高.
结论:
- 人工智能在DDH诊断方面表现出与医生相比的有效性.
- 有限的外部数据集评估限制了当前DL模型的概括性.
- 用多种数据集进行进一步的研究对于评估人工智能对DDH诊断的实际临床影响至关重要.
