基于深度学习的算法在青少年特发性脊柱侧弯术前脊柱X光片上自动测量Cobb角的性能

《Pediatric Radiology》：Performance of a deep learning-based algorithm for automated measurements of Cobb angles on preoperative spine radiographs in adolescent idiopathic scoliosis

Cobb角测量在青少年特发性脊柱侧弯（AIS）中至关重要，本研究评估了商用AI软件与放射科住院医师在151例术前全脊柱X线片中的测量准确性，发现AI总体误差（4.57°）显著高于医师（P=0.0017），尤其在严重（40-59°）和极端（≥60°）病例中误差增大，AI极端病例MAE达6.53°（P<0.001），但与医师无显著差异于中重度病例。

　　

摘要

背景

在青少年特发性脊柱侧弯（AIS）中，准确测量Cobb角至关重要，但关于人工智能（AI）在儿科患者中的表现（尤其是对于严重弯曲的情况）的证据仍然有限。

目的

本研究评估了一种商用深度学习软件在测量AIS手术病例中Cobb角的准确性，并将其性能与放射科住院医师的表现进行了比较。

方法

共分析了151张术前全脊柱前后位X光片。真实值由一名儿科放射科医师和一名儿科骨科医师通过共识确定。计算了AI和六名放射科住院医师的平均绝对误差（MAE）。同时进行了Wilcoxon符号秩检验和组内相关系数（ICC）的计算。

结果

数据集包括151个Cobb角，分别被分类为轻度（13个；20–39°）、重度（74个；40–59°）和极端（64个；≥60°）。总体而言，AI的MAE为4.57° [95%CI 3.85°, 5.29°]，显著高于住院医师的MAE（P=0.0017）。脊柱侧弯的严重程度对两组患者的MAE均有显著影响。对于极端脊柱侧弯患者，AI的MAE（6.53° [95%CI 5.06°, 7.86°]）显著高于住院医师的MAE（3.61° [95%CI, 3.17°, 3.97°]）（P<0.001）。轻度与重度脊柱侧弯患者之间的MAE没有显著差异（P=0.86）。AI与真实值之间的ICC一致性为0.89 [95%CI 0.69, 0.95]。

结论

该软件测得的Cobb角结果与专家的测量结果一致，对于轻度和重度脊柱侧弯患者而言，平均误差在临床可接受范围内，并且与放射科住院医师的测量结果没有显著差异。然而，在极端脊柱侧弯患者中，AI的准确性显著降低，这凸显了放射科医师监督的必要性。

图形摘要