骨折检测中的人工智能：系统评价和荟萃分析

• 作者: 刘玲玲（译） 陈伟（校）
• 来源期刊: 国际医学放射学杂志
• 年，卷（期）: 2023,（5）
• 所属期刊栏目: 国际期刊连线
• 页码范围: 600
• 页数: 1页
• 语种: 中文
• DOI: 10.19300/j.2022.r0701

摘要

急诊中常见的骨折病人在影像学检查中可能被误诊，越来越多的研究将人工智能（AI）技术应用于骨折检测，并作为临床医生诊断的辅助手段。目的 采用系统评价和荟萃分析比较 AI 和临床医生在同行评审出版物和灰色文献（即发表在预印本存储库上的文章）对骨折检测的诊断性能。资料与方法 在2018 年1月—2020 年7月（2021年6月更新）期间对多个电子数据库进行了搜索，其中包括在任何成像模式下进行骨折检测而开发和/或验证 AI 的任何主要研究，并排除了评估图像分割算法方面的研究。使用具有分层模型的荟萃分析来计算汇总敏感度和特异度。通过使用修正的预测模型研究偏倚风险评估工具或 PROBAST 清单来评估偏倚风险。结果 共纳入42项研究，从32项研究（55 061幅影像）中提取了115个列联表。37项研究在X线片上确定了骨折，5项研究在CT影像上确定了骨折。对于内部验证测试集，AI的汇总敏感度为92%（95%CI：88%~93%），临床医生的汇总敏感度为91%（95%CI：85%~95%）；AI的汇总特异度为91%（95%CI：88%~93%），临床医生的汇总特异度为92%（95%CI：89%~92%）。对于外部验证测试集，AI的汇总敏感度为91%（95%CI：84%~95%），临床医生的汇总敏感度为94%（95%CI：90%~96%）；AI的汇总特异度为91%（95%CI：81%~95%），临床医生的汇总特异度为94%（95%CI：91%~95%）。临床医生和AI的表现之间的差异无统计学意义。42项研究中有22项（52%）被认为具有高偏倚风险。回归分析确定了数据中异质性的多个来源，包括偏倚风险和骨折类型。结论 AI和临床医生在骨折检测方面报告的诊断性能相当，这表明AI技术有望成为未来临床实践中的诊断辅助手段。