AI对决传统诊断：揭秘如何用人工智能提前发现骨关节炎

文章题目：Artificial intelligence in osteoarthritis detection: A systematic review and meta-analysis

DOI：10.1016/j.joca.2023.09.011

中文标题：人工智能在骨关节炎检测中的应用: 系统综述和荟萃分析

发表杂志：Osteoarthritis Cartilage

影响因子：1区，IF=7.2

发表时间：2024年3月

今天给大家分享一篇在2024年3月发表在《Osteoarthritis and Cartilage》（Q1 区，IF= 7.2的文章。通过系统评审和元分析的方法，这篇文章探究了人工智能（AI）算法在检测骨关节炎（OA）方面的诊断性能，并将其与临床医生的诊断表现进行了比较。

研究的背景：骨关节炎（OA）是全球最常见的关节炎形式，影响全球4%的人口。OA的早期诊断至关重要，因为及时的干预可以减缓疾病的进展并改善患者的生活质量。传统的OA诊断依赖于临床检查和影像学评估，但这个过程耗时且容易出错。近年来，人工智能（AI）在医疗影像诊断中的应用逐渐增多，其自动化和高精度的特点为OA的早期检测提供了新的可能性。

研究的目的：本系统评审和元分析的目的是汇总AI算法在OA检测中的诊断性能指标数据，并将其与临床医生的表现进行比较。

研究方法：

检索方法：

在PubMed和Scopus数据库中检索截至2022年4月发表的研究，评估和/或验证AI算法用于OA的检测或分类。使用不同的关键词组合，如“artificial intelligence”和“osteoarthritis”及其同义词。

统计方法：

1.对提供联合表数据的研究进行元分析，使用随机效应模型和双变量方法计算汇总的敏感性和特异性。

2.进行亚组分析和基于多个参数的元回归分析，以找出异质性的潜在来源。

3.使用Prediction Model Study Risk of Bias Assessment Tool (PROBAST)报告指南评估偏倚风险。

结果：

Tables&Figures

结果解读：

包括61项研究，其中27项研究提供了足够的数据进行元分析。AI算法在内部验证测试集上的汇总敏感性为88%，临床医生为80%；汇总特异性分别为81%和79%。在外部验证中，AI算法的汇总敏感性和特异性分别为94%和91%。

结论：尽管需要谨慎解释这些元分析的结果，因为所包括的研究可能存在潜在的问题，但AI作为放射科医生的辅助诊断工具的前景是不可否认的。未来的研究应该使用更大的样本量和具有临床背景的医生进行前瞻性临床试验，以更好地阐明AI算法是否在现实医疗系统中超越了临床医生。此外，未来研究还需要阐明AI方法的可解释性和不确定性估计问题。

课题思路这不就来了么？万层高楼平底起，一起加油呀！