评估深度学习的人工智能支持在儿科急诊室检测肘部骨折

科学领域:

• 儿科放射学 儿科放射学
• 医疗人工智能 医疗人工智能
• 紧急医疗 紧急医疗

背景情况:

• 解释儿科肘部放射图是具有挑战性的,因为独特的解剖学和错过骨折的可能性.
• 人工智能 (AI),特别是深度学习,为改善骨折检测援助提供了潜力.

研究的目的:

• 评估急诊医生在检测儿科肘部骨折方面的表现.
• 评估深度学习人工智能辅助对临床医生的诊断准确性的影响.
• 测试一个独立的AI算法的性能,用于儿科肘部骨折检测.

主要方法:

• 对755名儿童 (0-15岁) 进行了追溯性研究,在创伤后进行了肘部放射.
• 由两个独立专家制定的参考标准.
• 与理论AI辅助和无理论AI辅助相比,临床医生的诊断性能.
• 独立人工智能算法的外部测试.

主要成果:

• 人工智能辅助显著改善了临床医生的敏感性 (77.3%至98.9%,p < 0.001),但降低了特异性 (88.3%至63.5%,p < 0.001).
• 独立的AI算法实现了98.0%的灵敏度和70.0%的特异性.
• 在755名儿童中,有352名 (47%) 患有骨折,出血或脱位.

结论:

• 人工智能算法在检测儿科肘部骨折方面表现出很高的性能.
• 人工智能辅助显著提高了临床医生的敏感性,有助于减少错误诊断.
• 人工智能工具对支持急诊临床医生在儿科骨折检测方面充满希望.