人工智能与骨科专家在桡骨远端骨折X线诊断中的性能对比研究

本研究针对桡骨远端骨折(DRF)诊断效率问题，由Nikolai Ramadanov团队采用BoneViewTM 2.5.1人工智能系统，对比分析了1145例腕部X线片中AI与骨科医生的诊断性能。结果显示AI在前后位(AP)和侧位片中的准确率分别达95.90%和94.81%，敏感性与特异性均超过89%，与资深骨科医师表现相当（p>0.05）。该研究证实AI可作为临床诊断的可靠辅助工具，为急诊骨科决策提供新范式。

　　

手腕骨折是急诊最常见的骨科损伤之一，其中桡骨远端骨折(DRF)约占所有骨折的18%。传统诊断依赖放射科医生和骨科医师对X线片的视觉评估，但在医疗资源紧张或经验不足的情况下，误诊率可达20%。更棘手的是，漏诊可能导致畸形愈合、慢性疼痛等严重并发症。如何快速准确地识别这些骨折，一直是临床实践的痛点。

近年来，人工智能(AI)在医学影像领域崭露头角，特别是基于卷积神经网络(CNN)的算法，已能自动识别X线片中的骨折线。但现有研究存在明显局限：或是样本量小，或是仅评估单一投照体位，更缺乏与临床专家的直接对比。来自德国医院的研究团队Nikolai Ramadanov等人在《Journal of Orthopaedic Surgery and Research》发表的研究，首次在真实临床场景中系统比较了AI与资深骨科医师的诊断效能。

研究采用回顾性队列设计，分析了2023年9月至2024年9月间的1145例腕部X线片（556例AP位，589例侧位）。所有图像均通过CE认证的BoneView^TM 2.5.1系统（基于Facebook的Detectron2框架）进行分析，并与具有10年经验的骨科专家盲法评估结果对比。参考标准为放射科医师的最终报告。统计指标包括准确率、Cohen's Kappa、F1值等。

描述性结果
患者平均年龄46.6±27.3岁，女性占59%。AP位片中40.5%存在DRF，侧位片为40.7%。年龄跨度从2岁至99岁，确保了数据的临床代表性。

AI性能分析
在AP位片中，AI展现出92.02%的敏感性和98.45%的特异性，准确率达95.90%。侧位片的敏感性略降（89.79%），但特异性仍保持98.25%。值得注意的是，AI的Youden指数（综合敏感性特异性指标）在AP位达90.47，与骨科医师的88.22无显著差异（p=0.239）。

人机对比
骨科医师在侧位片诊断中表现更优（准确率96.10% vs AI 94.81%），但AP片的F1值（0.947 vs 0.935）和Cohen's Kappa（0.913 vs 0.894）显示两者一致性极高。假阳性率方面，AI在AP位仅误判5例，证明其可靠性。

讨论与意义
该研究首次证实：在常规X线诊断场景中，AI系统能达到与资深骨科专家相当的诊断水平。相较于既往研究（如Oude Nijhuis模型87%准确率），BoneView^TM的性能提升源于50万张训练图像的庞大数据库。特别值得关注的是AI在资源匮乏地区的应用潜力——它能在1秒内完成分析，且无需专业工作站。

但研究者也指出局限：单中心数据可能影响泛化性，且未纳入斜位片评估。未来需探索多模态影像（如CT）与AI的协同效应。正如作者强调："AI不应取代医生，而是作为'永不疲倦的第二双眼睛'"。这项研究为AI辅助诊断的临床落地提供了关键证据，其方法论对髋部骨折、脊柱损伤等领域的AI验证具有示范意义。