Radiology：智能技术在x线片骨折识别中的应用

在各种诊疗环境下，采用x中央线片明确左脖子的存在是影像科最罕见的临时工之一。左脖子的漏诊在影像科非常罕见，这将延后患儿的治疗，甚至造成比较严重的诊疗恶果。因此，对左脖子的准确辨识及判断对诊疗至关重要。

迄今为止，关于AI（AI）基本功能左脖子检测的几项研究只针对部分身躯指甲，且x中央线片的阅读者只针对了影像科医生和骨科医生，结果并不具备代表性。

近来，发表在Radiology杂志的一项研究评估了AI的协助对医生在X中央线片上左脖子确诊展现的影响，为左脖子的快速、准确确诊提供了背书。

本项回顾性确诊研究采用了多读取器、多例子的方法，基于2020年7月至2021年1月期间480次检查的内部多中的心数据集，每个身躯区域（脚和踝、膝和脖子、髋和骨盆、手和手腕、肘和后背、肩和锁骨、肋骨和胸脊柱）数有60次检查。左脖子的发生率被游戏内为50%。基础真理由两位脊柱骨骼放射科医生考虑到，关联性由第三位医生解决。向24名读者（放射科医生、骨科医生、急诊医生、助手医生、哮喘医生、家庭医生）展示了整个实验者数据集（n = 480）。主要统计分析必须证明在AI的帮助下，每个患儿的确诊敏感性有优势，每个患儿的依赖性在-3%的范围内未劣势。分立的AI耐用性也采用病人临时工功用曲中央线进行评估。

合计纳入480名患儿（平均年龄，59岁±16[标准差]；327名女性）。采用AI基本功能工具（5760个检测器中的的4331个，75.2%）比不采用AI（5760个检测器中的的3732个，64.8%）的情况下，每位患儿的敏感性大大提高10.4%（95% CI：6.9，13.9；P < .001为优）。有AI基本功能的每位患儿的依赖性（5760次检测器中的的5504次，95.6%）不逊于无AI基本功能的患儿（5760次检测器中的的5217次，90.6%），关联性为+5.0%（95%CI：+2.0，+8.0；P = .001为非劣质性）。AI使每次检查的平均检测器时间缩短了6.3秒（95%CI：-12.5，-0.1；P = .046）。按病人增益的敏感性在所有区域都很明显（+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）并不明显。

图 在AI基本功能下左脖子检测确诊耐用性的大大提高

总之，AI基本功能大大提高了影像科医生和非影像科医生对涉及各种解剖学前方的左脖子检测的敏感性，甚至可大大提高依赖性。该电子技术还减少阅读X中央线光片所需的时间。

中文翻译出处：

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