编辑推荐：
目前估算骨折愈合的受伤时间不够精确，小儿放射科医生与社区医院在骨骼影像解读上也存在分歧。研究人员开展了训练和验证深度学习模型以估算小儿意外长骨骨折年龄的研究。结果显示模型表现优于基线，这有助于提高长骨意外骨折的影像学诊断精度。
背景：估算愈合骨折的受伤时间并不精确，时间范围过大。大多数受伤儿童在非儿童医院接受评估，但儿科放射科医生对社区医院转诊的骨骼影像解读，每六次中就可能有一次存在分歧。因此，需要考虑额外的骨折断代方法来改进影像解读。
目的：训练并验证深度学习模型，以准确估算小儿意外长骨骨折的年龄。
材料和方法：这项二次数据分析使用了 2000 - 2016 年间美国中西部一家大型儿童医院收治的、受伤时年龄小于 6 岁的儿童意外长骨骨折的 X 光片（radiographic images）。研究构建了深度学习模型，用于将骨折图像分类到不同年龄组，以及直接估算骨折年龄（受伤时间，time - since - injury）。通过交叉验证（cross - validation），利用多种指标评估模型性能，年龄分类使用混淆矩阵、灵敏度 / 特异性和激活图，年龄估算则采用平均绝对误差（MAE，mean absolute error）和均方根误差（RMSE，root mean squared error ）。
结果：研究队列包含来自 399 名患者的 2328 张 X 光片。总体而言，无论是在所有骨骼上进行训练 / 验证，还是针对特定骨类型，模型在骨折年龄分类和估算方面的表现均优于基线。最佳模型能以平均绝对误差 6.2 天估算任意长骨的骨折年龄，且 68% 的估算结果与正确骨折年龄相差在 7 天以内。
结论：该研究成功表明，对于长骨意外骨折的影像学断代，深度学习模型能够以高于基线的准确度估算受伤时间。
