基于人工智能的软件用于膝关节骨关节炎的自动化Kellgren-Lawrence分级的性能:一个多中心队列研究

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 骨关节炎研究 骨关节炎研究

背景情况:

• 凯尔格伦-劳伦斯 (KL) 评分系统是膝关节骨关节炎 (OA) 严重程度评估的标准,但受到观察者变化的影响.
• 人工智能 (AI) 用于OA分级的外部验证是有限的.
• 这项研究解决了需要强大的外部验证AI在膝盖OA的诊断疗效.

研究的目的:

• 评估基于人工智能的软件用于基尔格伦-劳伦斯 (KL) 膝关节关节炎分级的诊断性能.
• 在韩国的大型,独立的多中心临床数据集上验证AI软件,与其美国培训数据不同.
• 评估AI标准化膝关节OA严重程度评估的能力.

主要方法:

• 这是一项多中心的回顾性研究,对来自1273名韩国患者的2546张膝盖放射图进行了回顾性研究.
• 专家的共识建立了一个参考标准,将KL等级0和1整合为KL ≤1.
• 在美国数据集上训练的AI软件在韩国数据集上得到了验证,测量了放射性OA (KL ≥2) 的等级特定灵敏度,特异性,精度和AUC.

主要成果:

• 人工智能软件满足了所有预先指定的非劣势终点.
• 在KL等级中观察到高灵敏度和特异性 (例如,KL ≤1:90.5%的灵敏度,96.6%的特异性;KL等级4:97.7%的灵敏度,98.4%的特异性).
• 对于放射性OA (KL ≥2) 的二进制分类,AI实现了0.94的AUC,具有96.6%的灵敏度,90.5%的特异性和94.2%的准确性.

结论:

• 基于人工智能的软件在大规模的多中心外部验证中表现出高强大的诊断性能.
• 这些发现支持AI软件在临床整合方面的潜力.
• 人工智能工具可以提高膝盖OA严重性评估的一致性,客观性和效率.