人工智能显示出与放射科医生一样诊断手腕骨折的潜力

一项新的荟萃分析发现，人工智能 (AI) 算法，尤其是卷积神经网络 (>)，可以通过普通 X 光准确检测手腕骨折，其表现与训练有素的医疗保健专业人员相当。 然而，这些研究的细节表明存在方法学局限性，存在较高的偏倚风险，从而使人们对用于诊断目的的临床算法的快速实施产生质疑。 虽然这些工具显然很有用，但手动验证结果仍然至关重要。

荟萃分析的完整结果发表在 欧洲放射学杂志。[1]

丹麦的研究人员进行了一项研究 恩巴塞, 医学线, 考研, 斯科普斯， 和 科学网 2012 年 1 月至 2023 年 3 月的医学数据库，确定了六项深度学习 AI 的相关研究，用于根据 X 光照片诊断手腕骨折，特别是桡骨和尺骨骨折。 研究数据集总共包含 33,026 张 X 射线图像。

所有研究都采用类似的方法，人工智能的任务是在接受图像数据集的训练后对骨折进行准确的诊断。 所有六项研究都使用 > 模型得出结论，并且在所有研究中，该模型都与接受过骨折诊断培训的医疗保健专家进行了比较。

研究人员指出，这项荟萃分析的范围狭窄是因为在急诊科 (ED) 就诊期间骨折未确诊的比例很高，因为在 X 光检查中很难发现骨折。

“人类和环境因素会影响放射线照片的解读，例如临床医生经验不足、疲劳、分心、观察条件差和时间压力，”由来自该中心的 V. Hansen 领导的作者们说道。 南丹麦大学医院，写道。 “一项研究得出的结论是，急诊科所有骨折中大约有百分之一的骨折没有被正确诊断。”