在普通X射线图上识别Volar锁定板:人工智能模型可以"击败"临床医生吗?

科学领域:

• 整形外科手术 整形外科手术
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 对于手术医生来说,在普通放射图上准确识别飞锁定板是非常重要的,特别是在修复手术,植入物切除或管理周围假肢骨折时.
• 在植入物识别方面,当外科病史未知或来自不同机构或国家时,就会出现挑战.
• 人工智能 (AI) 在医疗图像识别方面的潜力得到了认可,但其在骨科植入物识别中的有效性需要彻底调查.

研究的目的:

• 为了比较一个公开可用的AI模型,ChatGPT 5的性能,与经验丰富的手术顾问在X射线图上识别飞行锁定板的性能.
• 评估人工智能和人类专家在区分来自不同制造商的植入物之间的准确性.

主要方法:

• 来自10家主要植入物制造商的远端半径板的52张X射线图从开放获取的来源收集.
• 一个人工智能程序 (ChatGPT 5) 和五名手工顾问独立地试图识别每个盘子的制造商.
• 准确率为每个参与者计算,在人工智能和顾问之间进行统计比较,使用McNemar的测试和后勤回归.

主要成果:

• 聊天GPT 5实现了5.8%的低精度 (52张射线图中3张).
• 手术顾问的准确率从13.5%到46.2%不等,平均准确率为30.8%.
• 五分之四的顾问表现明显优于AI (p < 0.01),而人类组合显示,与AI相比,正确识别的几率高出七倍 (OR 7.26,p < 0.001).

结论:

• 从普通放射图中识别飞锁定远半径板仍然是一个重大挑战,即使对于经验丰富的外科医生来说,最高表现的外科医生也能达到不到50%的准确度.
• 目前,像ChatGPT 5这样的非专业化AI工具不适合临床骨科植入物识别.
• 未来在精选的骨科数据集上训练的专门AI模型的开发可能为改善临床实践中的植入物识别准确性提供潜在的解决方案.