相关实验视频
Updated: Jan 11, 2026
12:04
Assessment of Bone Fracture Healing Using Micro-Computed Tomography
Published on: December 9, 2022
2.4K
对人工智能软件进行多供应商对比研究,用于儿童患者的自动骨折检测
Irmhild Altmann-Schneider1,2, Léa S Geiger3, Christian J Kellenberger4
1Department of Diagnostic Imaging, University Children's Hospital Zurich, Lenggstrasse 30, Zurich, 8008, Switzerland. irmhild.altmann@kispi.uzh.ch.
Pediatric radiology
|November 18, 2025
概括
人工智能 (AI) 软件在下腿和前臂放射图中显示出高精度的儿童骨折检测. 然而,在肘部受伤时,性能会下降,这凸显了需要仔细的临床应用的必要性.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 儿科放射学 儿科放射学
背景情况:
- 对于人工智能辅助的儿科骨折检测的证据有限.
- 对人工智能软件的外部验证和比较研究对于临床整合至关重要.
研究的目的:
- 评估和比较三种商业人工智能软件工具的性能,用于检测儿科患者的创伤后发现.
- 评估人工智能在儿童下腿,前臂和肘部放射图中识别骨折,溢出和脱位的准确性.
主要方法:
- 追溯分析了3,414张来自3,013名患有创伤的儿科患者 (2-17岁) 的X射线图.
- 包括在2014年至2024年期间获得的下腿,前臂和肘部放射图.
- 计算每个AI工具的灵敏度,特异性,正预测值 (PPV) 和负预测值 (NPV).
主要成果:
- 人工智能工具在腿部骨折 (灵敏度为88.4-94.7%) 和前臂骨折 (灵敏度为88.4-94.7%) 中实现了高性能.
- 肘部放射图的性能降低了,敏感度较低 (72.8-91.6%) 和PPV (86.1%).
- 对于特定的儿科骨折类型,肘部溢出和脱位,观察到敏感性降低,具有显著的跨软件可变性.
结论:
- 人工智能软件展示了儿童骨折检测的潜力,特别是在下腿和前臂受伤方面.
- 临床使用需要意识到AI的局限性,特别是在肘部放射和微妙发现方面.
- 需要进一步的验证和比较研究,以优化AI在儿科放射学中的应用.
