编辑推荐：
为评估无监督基于 AI 的培训模块作为儿科骨折检测教育工具的有效性，研究人员开展相关研究。结果显示，该模块使住院医师骨折检测准确率显著提升 6.2%，医学生则无明显变化。这表明 AI 可助力生成教学案例，提升培训效果。
研究目的：此前研究表明，获取人工智能（AI）的帮助能让住院医师更准确地检测出儿科骨折。本研究旨在评估一个无监督的基于 AI 的培训模块作为儿科骨折检测教育工具的有效性。
材料和方法：从儿科上肢的 240 次放射学检查中，分成两组，每组 120 次检查。使用先前开发的开源深度学习骨折检测算法（
www.childfx.com）对 X 光片进行标注。4 名医学生和 4 名 PGY-2 放射科住院医师先在无 AI 辅助的情况下评估 120 次检查是否存在骨折，随后通过培训模块查看这些病例的 AI 标注。之后，他们在无 AI 辅助的情况下解读另外 120 次不同的检查。采用卡方检验评估干预前后的骨折检测准确率。
结果：总体而言，住院医师的骨折检测准确率从干预前的 71.3% 显著提高到干预后的 77.5%（p = 0.032）。医学生的骨折检测准确率从干预前的 56.3% 提升至 57.3%，但差异不显著（p = 0.794）。88%（7/8）的参与反馈者推荐这种学习模式。
结论：定制的基于 AI 的培训模块使住院医师检测儿科骨折的准确率提高了 6.2%。医学生准确率未提升，可能是因为他们对该任务的背景知识熟悉度有限。AI 提供了一种可扩展的方法，能自动生成涵盖多种病理的标注教学案例，让住院医师从模拟经验中高效学习。
