随着人们对保健意识的增强以及人口增长和人口老龄化，每年都有更多的人需要医疗服务。在过去的20年里，急诊科的病人来访量增加了一倍多。因此，影像检查的数量大大增加，而且还在快速增长。由于招聘人数少且大量的放射科医生即将退休，因此也出现了放射科医生短缺的情况。我们现在的情况是，医生需要更快地工作以应对更多的病人，但同时需要保持正确率。对于危急情况以及大量的工作压力可能导致误诊和医疗错误，而人工智能（AI）可能是面对这一挑战的有用工具。

深度卷积神经网络（CNN）已经在各种医学领域证明了它的价值，如预测系统性硬化症的临床预后、糖尿病视网膜病变的严重程度、皮肤病变的分类和组织病理学特征。腕部骨折是最常见的骨折之一，在最近一项涉及5842名患者的研究中，发病率为12%，并且与老年人的高死亡率有关。关于人工智能的骨折检测，以前的研究显示了令人鼓舞的结果。

然而，关于腕部创伤，这些研究只关注了桡骨远端或肩胛骨骨折，而没有报告其他腕骨骨折或相关损伤。此外，在这些研究中，同一组专家既培训又评估了算法，从而降低了结果的外部有效性。

近日，发表在European Radiology杂志的一项研究比较了人工智能与放射科医生在X光片上检测腕部骨折的表现。

本项回顾性研究纳入了2017年1月-2019年12月期间在本机构就诊的637名腕部创伤患者（1917张X光片）。研究使用的人工智能软件是一种深度神经元网络算法。基础真理由三位高级肌肉骨骼放射学家建立，他们比较了非专业放射学家做出的初始放射学报告（IRR）、AI的结果以及AI和IRR的组合（IR+AI）高级放射学家共报告了247名患者的318处骨折。

结果发现，AI的敏感性（83%；95%CI：78-87%）明显高于IRR（76%；95%CI：70-81%）（P < 0.001）。AI（96%；95%CI：93-97%）和IRR（96%；95%CI：94-98%）的特异性相似（p = 0.80）。与AI和IRR相比，AI+IRR的组合具有明显的敏感性（88%；95%CI：84-92%）（p<0.001），特异性较低（92%；95%CI：89-95%）（p<0.001）。AI（84%）和IRR（80%）检测舟状骨骨折的敏感性可以达到临床满意，但检测其他腕骨骨折的敏感性较差（AI为41%，IRR为26%）。 

 图  人工智能(AI)检测到的初始放射科医生遗漏的骨折实例。A 右腕部正面X光片。B 由白点概述的=桡骨骨折。C 人工智能在X光片上的检测框。D 轴向CT图像显示骨折（箭头）

在现实的临床实践中，人工智能对腕部骨折的检测性能优于放射科医生的检测。包括人工智能和放射科医生的阅读在内的综合分析可以实现骨折检测的改进，不仅可以改善误诊及漏诊，还可以提高紧急护理的质量。

原文出处：

Mathieu Cohen,Julien Puntonet,Julien Sanchez,et al.Artificial intelligence vs. radiologist: accuracy of wrist fracture detection on radiographs.DOI:10.1007/s00330-022-09349-3.