超过 30% 的儿童在童年时期至少经历过一次骨折。小儿骨折情况有时较为隐匿，在急诊科可能会被漏诊，这会导致生长板功能紊乱、造成长期残疾，并且在疑似遭受身体虐待的案例中，还会错失保护儿童的机会。人工智能（AI）工具可以在难以迅速获得专业意见的情况下作为辅助诊断手段，尤其是考虑到目前对儿科放射科医生的需求不断增加，但专业人员却存在短缺的情况。然而，由于儿童和成人在损伤模式和骨骼成熟阶段存在内在差异，为成人开发的人工智能模型可能无法直接应用于儿童。因此，开展专门针对儿童的研究至关重要。

此前在 2022 年发表的一项系统评价，对 11 年时间里的 9 篇文章进行了评估，结果显示人工智能模型的诊断准确率在 89% 至 98% 之间。然而，其中有 2 项研究存在较高的偏倚风险，且只有 2 项研究进行了外部验证，所以整体的证据基础较为薄弱。

最近，发表在European Radiology 上的一篇文章进行了一次更新的系统评价，以便更好地评估人工智能工具在小儿骨折评估中的诊断性能，同时也评估了人工智能在这种情况下对阅片人员的辅助价值，从而更深入地了解此类工具在现实临床应用中的影响。

研究检索了 Scopus、Web of Science、PubMed、Embase 和 Cochrane 图书馆数据库，查找在 2011 年 1 月 1 日至 2024 年 9 月 6 日期间发表的、与 “儿童”、“人工智能”、“骨折” 和 “影像学检查” 等检索词匹配的研究。对检索到的研究进行评估，并整理了有关诊断性能的描述性统计数据。

最终纳入了 26 篇符合条件的文章，其中有 17 篇（17/26，占 65%）是在过去两年内发表的。6 项研究（6/26，占 23.1%）使用了开源数据集来训练其算法，其余研究则使用了本地数据。16 项研究（16/26，占 61.5%）评估了单个关节（手腕、肘部或脚踝），另外 10 项研究评估了四肢骨骼中的多个骨骼。7 篇文章（7/26，占 26.9%）与某款商业人工智能工具的性能相关。人工智能模型的准确率在 85.0% 到 100.0% 之间。6 项研究（6/26，占 23.1%）评估了有和没有人工智能辅助时阅片人员的诊断准确率，其中有 2 项研究发现，当有人工智能辅助时，阅片人员的诊断准确率有统计学意义上的显著提高。在所有文章中，最大的阅片人员样本数量为 11 名，且这些阅片人员的经验各不相同。

图 在这个例子中，左手腕视图(A)和(C)已经提交给AI解释。人工智能通过在各自的放射图像上显示边界框作为“覆盖”来标记儿童舟状骨和尺骨茎突骨折（B， D）。这些数据也被发送到PACS供放射学记者和临床医生审查

本项研究显示，在儿童影像学检查中应用人工智能检测骨折的研究速度有所加快。研究表明，人工智能模型具有较高的准确率，但目前仍缺乏关于其临床影响、成本效益以及任何社会经济或伦理偏见方面的证据。

原文出处：

Emily Ashworth,Emma Allan,Cato Pauling,et al.Artificial intelligence (AI) in radiological paediatric fracture assessment: an updated systematic review.DOI:10.1007/s00330-025-11449-9