AI 助力儿童骨折检测：高准确率背后的机遇与挑战

为探究儿童骨折影像中 AI 的应用，研究人员开展系统回顾，发现 AI 模型准确率高但仍存局限。

　　在儿童影像学中，识别骨骼损伤至关重要。近年来，无论是在研究领域还是商业领域，都开发出了多种用于此目的的人工智能（AI）算法。为此，研究人员进行了一项更新的文献系统回顾，纳入了最新进展。研究人员检索了 Scopus、Web of Science、Pubmed、Embase 和 Cochrane Library 数据库中 2011 年 1 月 1 日至 2024 年 9 月 6 日期间发表的、包含 “儿童（child）”“AI”“骨折（fracture）” 和 “影像学（imaging）” 检索词的研究。对检索到的研究进行评估，并整理描述性统计数据以分析诊断性能。结果共纳入 26 篇符合条件的文章，其中 17 篇（17/26，65%）在过去两年内发表。6 项研究（6/26，23.1%）使用开源数据集训练算法，其余使用本地数据。16 项研究（16/26，61.5%）评估单个关节（手腕、肘部或脚踝），另外 10 项研究评估附属骨骼中的多个骨骼。7 篇文章（7/26，26.9%）涉及商业 AI 工具的性能。AI 模型的准确率在 85.0% 到 100.0% 之间。6 项研究（6/26，23.1%）评估了有无 AI 辅助时人类阅片者的准确率，其中两项研究发现，在 AI 辅助下，人类阅片的准确率有统计学意义的提高。任何一篇论文中最大的人类阅片者群体由 11 名不同经验的阅片者组成。结论表明，儿童影像学中 AI 骨折检测的研究步伐加快。研究显示 AI 模型准确率高，但仍缺乏临床影响、成本效益以及社会经济或伦理偏见方面的证据。