综述：人工智能在检测足踝骨折方面的诊断准确性：一项关于诊断测试准确性的系统评价与元分析

《Journal of Orthopaedic Surgery and Research》：The diagnostic accuracy of artificial intelligence in detecting foot and ankle fractures: a systematic review and meta-analysis of diagnostic test accuracy

　　

摘要

引言

足部和踝部骨折，包括那些在X光片上表现不明显或隐匿的损伤，在急诊环境中给诊断带来挑战，误诊可能导致严重并发症。人工智能，尤其是深度学习，为X光片的解读提供了有希望的辅助手段。本系统评价和元分析旨在评估人工智能在检测足部和踝部骨折方面的诊断准确性，并对已报道的隐匿性骨折检测相关证据进行评估。

方法

遵循PRISMA-DTA指南，我们在PubMed、Embase和Scopus数据库中进行了系统检索，时间范围从研究起始直至2026年5月10日。纳入了那些评估人工智能算法在X光片或CT扫描中识别足部和踝部骨折能力的研究，如有隐匿性骨折数据，则单独提取。提取的数据被用于构建2×2列联表。我们采用双变量随机效应模型来计算汇总敏感性、特异性以及总结接收者操作特征曲线。研究质量则通过QUADAS-2工具进行评估。

结果

共有16项研究被纳入分析，涉及超过37,000张X光片或影像资料。汇总敏感性为92.4%（95%置信区间为82.5–96.1%），汇总特异性为95.1%（95%置信区间为83.3–98.3%）。诊断比值比为236.64（95%置信区间为33.56-1087.11）。在初始患病概率为25%的情况下，人工智能检测出阳性结果时，后续患病概率上升至86%，而阴性结果则使患病概率降至3%。不同研究之间存在较大差异。仅有两项研究明确报告了隐匿性骨折病例，因此汇总结果主要反映的是人工智能在整体足部和踝部骨折检测方面的性能，而非仅针对隐匿性骨折。

结论

人工智能算法在检测足部和踝部骨折方面具有较高的诊断准确性，可作为有价值的辅助工具。然而，目前的证据尚不足以得出关于隐匿性骨折的明确结论，而且所有纳入的研究均为回顾性研究。在广泛应用于临床之前，还需要进行前瞻性验证、对隐匿性骨折亚组进行标准化报告，以及开展实际应用效果研究。