一项对36项人工智能（AI）研究的系统综述提供了证据，表明AI模型在诊断手和腕部损伤方面可能与人类诊断者一较高下，或者至少可以减轻他们的负担。这项题为《人工智能模型在手/腕骨折和脱位诊断中的准确性——系统综述和荟萃分析》的研究发表在2024年9月5日的《JBJS Reviews》上。
AI模型正越来越多地被用于增强和潜在提升诊断和临床决策。该研究的作者来自多伦多大学，他们收集了有关AI在使用任何放射影像学模式准确诊断手和腕部骨折或脱位方面的数据。该研究的共同作者、多伦多大学整形、重建与美容外科系的三年级住院医师Chloe R. Wong博士向《OTW》解释了研究的起源：“作为一名整形外科住院医师，我积极参与了众多手部骨折病例的管理，深知及时和准确的诊断，随后进行适当的治疗，对于保留功能和减少医疗成本至关重要。”
“出于对AI的兴趣，我们探索了开发用于辅助诊断这些损伤的AI模型。然而，我们发现文献中存在显著的空白——还没有元分析评估过AI模型在检测手和腕部骨折和脱位方面的准确性与医学专家的图像审查相比。”Wong博士说。
研究团队搜索了从创刊到2023年10月10日的Ovid MEDLINE、Embase和Cochrane Central Register of Controlled Trials，找到了36篇符合条件的文章。要符合审查资格，研究必须使用AI模型（指数测试）来检测儿童（<18岁）或成人（>18岁）患者的手和腕部骨折和脱位，通过任何放射影像学检查，并通过医学专家的图像审查建立参考标准。
大多数选定的研究通过X光影像评估了腕部骨折（27.90%），放射科医生作为参考标准（66.67%）。研究团队发现，审查的AI模型在诊断手和腕部骨折和脱位方面表现出曲线下面积（0.946）、阳性似然比（7.690；95%置信区间，6.400-9.190）和阴性似然比（0.112；0.0848-0.145）。
研究团队仅审查了低偏倚风险的研究。应用敏感性分析并未发现与总体结果有差异。研究团队总结认为，证据的整体确定性为中等。“我们发现，与医学专家的图像审查相比，AI模型在诊断手和腕部骨折和脱位方面表现出高水平的准确性，”Wong博士告诉《OTW》，“已有几项研究开发了用于诊断骨折的AI模型。现有模型从一般骨折检测到更针对特定区域和骨折的模型不等，如手/腕和舟骨骨折。这些努力为AI如何增强骨折检测的知识体系做出了贡献。”
作者建议，未来应将努力转向在临床环境中进行前瞻性外部验证（例如，初级保健与急诊科、孤立创伤与多发创伤）以及实施AI模型的可行性和有效性研究。
(全文结束)
