增强儿科骨折检测:深度学习人工智能模型的多中心评估及其对放射科医生的表现的影响

科学领域:

• 医疗成像医学成像
• 放射学中的人工智能
• 儿科放射学 儿科放射学

背景情况:

• 肌肉骨 (MSK) 放射图对于诊断儿科骨折至关重要.
• 放射科医生的表现可以通过先进的诊断工具来提高.

研究的目的:

• 评估基于深度学习的人工智能 (AI) 模型,用于检测MSK放射图上的儿科骨折.
• 评估人工智能协助对放射科医生在骨折检测方面的表现的影响.

主要方法:

• 第一个阶段:AI模型的性能评估了来自美国4个成像中心的3016张儿科MSK放射图.
• 第二阶段:回顾性多读者,多中心研究,有20名读者评估了有或没有人工智能辅助的189例病例.

主要成果:

• 人工智能模型实现了高独立性能:精度 (0.94),灵敏度 (0.96),特异性 (0.86).
• 人工智能辅助显著提高了阅读器准确度 (0.93到0.96) 和灵敏度 (0.86到0.93).
• 人工智能辅助每次考试的平均阅读时间减少了26.1%.

结论:

• 人工智能模型在儿科骨折检测方面表现出高精度和临床实用性.
• 人工智能集成提高了放射科医生的表现和诊断信心,特别是对于非专业的读者.