人工智能助力骨盆和髋部骨折检测：提升诊断价值的新突破

为评估人工智能（AI）在骨盆骨折影像学检测中对放射科医生和急诊科医生的辅助价值，研究人员开展回顾性研究。结果显示 AI 能提高 junior 放射科医生和急诊科医生骨折检测敏感性，对经验有限者诊断性能提升明显。

　　本研究旨在评估人工智能（AI）对放射科医生和急诊科医生在骨盆骨折射线照相检测中的附加价值。在这项回顾性研究中，一名初级放射科医生回顾了 2020 年 3 月至 2021 年 6 月因跌倒疑似骨盆骨折而急诊入院患者的 940 张 X 光片。该放射科医生先单独分析 X 光片，然后使用 AI 系统（BoneView）进行分析。在 100 例检查的随机样本中，另外五名阅片者（三名放射科医生和两名有 3 - 30 年经验的急诊科医生）重复相同步骤。参考诊断基于患者急诊入院后几个月内的全套医学影像检查和病历。研究共纳入 940 例患者中的 633 例确诊骨盆骨折（64.8% 来自髋部，35.2% 来自骨盆环）以及 100 例样本中的 68 例骨盆骨折（60% 来自髋部，40% 来自骨盆环）。在整个数据集里，初级放射科医生在 AI 辅助下敏感性显著提高（Se_-PELVIC从 77.25% 提升至 83.73%；p < 0.001，Se_-HIP从 93.24% 提升至 96.49%；p < 0.001，Se_{-PELVIC RING}从 54.60% 提升至 64.50%；p < 0.001），但特异性显著下降（Spe_-PELVIC从 95.24% 降至 93.25%；p = 0.005，Spe_-HIP从 98.30% 降至 96.90%；p = 0.005）。在 100 例患者样本中，两名急诊科医生在骨盆区域骨折检测敏感性分别提高 14.70%（p = 0.0011）和 10.29%（p < 0.007），且特异性无显著下降。对于髋部骨折，E1 的敏感性从 59.46% 提升至 70.27%（p = 0.04），E2 的敏感性从 78.38% 提升至 86.49%（p = 0.08）。对于骨盆环骨折，E1 的敏感性从 12.90% 提升至 32.26%（p = 0.012），E2 的敏感性从 19.35% 提升至 32.26%（p = 0.043）。结论表明，AI 改善了在骨盆骨折筛查方面经验有限的急诊科医生和放射科医生的诊断性能。