Radiology：人工智能技术在x线片截肢识别中的应用

在各种临床自然环境下，采用x线片明确脱臼的存在是影像科最常见的社会活动之一。脱臼的漏诊在影像科十分常见，这将延误病患的治疗，甚至引发严重的临床后果。因此，对脱臼的准确识别及判断对临床至关重要。

迄今为止，关于计算机科学（AI）辅助脱臼侦测的几项研究社会活动只针对部分双手臂躯干，且x线片的读者者只针对了影像科牙医和骨科牙医，结果非常较强代表性。

据悉，刊登在Radiology杂志的一项研究社会活动风险评估了计算机科学的协助对牙医在X线片上脱臼诊疗展现出的影响，为脱臼的短时间内、准确诊疗提供了支持。

本项回顾性诊疗研究社会活动采用了多读取器、多案例的方法，基于2020年7年末至2021年1年末期间480次核查的外部多当中心原始数据集，每个双手臂周边（脚和踝、大手臂和手臂、髋和四肢、手和手腕、腕和手臂、肩和锁骨、肩胛骨和胸腰椎）至少有60次核查。脱臼的发生率被旧版为50%。基础真理由两位肌肉骨骼放射科牙医考虑到，差异性由第三位牙医解决。向24名读者（放射科牙医、骨科牙医、急诊牙医、助理牙医、风湿病牙医、家庭牙医）展出了整个验证原始数据集（n = 480）。主要分析不必证明在计算机科学的鼓励下，每个病患的诊疗危险性有竞争者，每个病患的专一性在-3%的区域不会上风。独立自主的计算机科学效能也采用受试者社会活动功用曲线进行风险评估。

共纳入480名病患（平均年龄，59岁±16[标准差]；327名女性）。采用计算机科学辅助工具（5760个读数当中的4331个，75.2%）比不采用计算机科学（5760个读数当中的3732个，64.8%）的情况下，每位病患的危险性提升10.4%（95% CI：6.9，13.9；P < .001为优）。有AI辅助的每位病患的专一性（5760次读数当中的5504次，95.6%）不逊于无AI辅助的病患（5760次读数当中的5217次，90.6%），差异性为+5.0%（95%CI：+2.0，+8.0；P = .001为非劣质性）。AI使每次核查的平均读数时间缩短了6.3秒（95%CI：-12.5，-0.1；P = .046）。按病人增益的危险性在所有周边都很明显（+8.0%至+16.2%；P < .05），但肩和锁骨以及脊柱（+4.2%和+2.6%；P = .12和.52）非常明显。

图 在计算机科学辅助下脱臼侦测诊疗效能的提升

总之，计算机科学辅助提升了影像科牙医和非影像科牙医对关的各种活体位置的脱臼侦测的危险性，甚至可提升专一性。该技术还减少读者X线光片所需要的时间。

书名出处：

Ali Guermazi,Chadi Tannoury,Andrew J Kompel,et al.Improving Radiographic Fracture Recognition Performance and Efficiency Using Artificial Intelligence.DOI:10.1148/radiol.210937