IF12.1分！人工智能预测模型Meta分析

文章题目：Artificial Intelligence in Fracture Detection: A Systematic Review and Meta-Analysis

DOI：10.1148/radiol.211785

中文标题：人工智能在骨折检测中的应用：系统评价与荟萃分析

发表杂志：Radiology

影响因子：1区，IF=12.1

发表时间：2022年7月

今天给大家分享一篇在 2022年7月发表在《Radiology》（1区，IF=12.1）的文章。

研究背景：骨折在急诊科常见，但放射影像中的骨折漏诊或延迟诊断是一个常见的诊断错误。随着放射科医师工作量的增加，及时获取专家意见变得不那么容易。人工智能（AI）在图像分类领域，尤其是骨折检测，被认为是简化流程、作为分诊或筛查服务、决策辅助或放射科医师第二阅读支持的关键领域。

研究目的：本系统评价和元分析的目的是比较AI和放射科医师在同行评审出版物和预印本仓库（即预印本文章）中发表的关于放射影像骨折检测的诊断表现。研究旨在评估AI技术作为未来临床实践中的诊断辅助工具的潜力。

研究方法：

检索方法：本文通过多个电子数据库进行文献检索，包括Ovid Medline、Ovid Embase、EBSCO Cumulative Index to Nursing and Allied Health Literature等，时间范围为2018年1月至2020年7月（2021年6月更新）。检索关键词包括人工智能和诊断成像的相关变体。研究纳入了开发和/或验证用于骨折检测的AI算法的初级研究，排除了仅进行图像分割任务或放射组学分析的研究。

统计方法：研究使用层次模型进行元分析，计算合并的敏感性和特异性。使用修改版的Prediction Model Study Risk of Bias Assessment Tool（PROBAST）清单评估偏倚风险。通过元回归分析识别数据异质性的多重来源，包括偏倚风险、骨折类型等因素。所有计算均使用统计软件（Stata版本14.2，Midas和Metandi模块）进行。

Table&Figure

结果解读：共纳入 42 项研究，从 32 项研究（55 061 张图像）中提取了 115 个列联表。37 项研究在 X 光片上发现了骨折，5 项研究在 CT 图像上发现了骨折。对于内部验证测试集，AI 的汇总灵敏度为 92%（95% CI：88, 93），临床医生的汇总灵敏度为 91%（95% CI：85, 95），AI 的汇总特异度为 91%（95% CI：88, 93），临床医生的汇总特异度为 92%（95% CI：89, 92）。对于外部验证测试集，AI 的汇总敏感度为 91%（95% CI：84, 95），临床医生的汇总敏感度为 94%（95% CI：90, 96），AI 的汇总特异度为 91%（95% CI：81, 95），临床医生的汇总特异度为 94%（95% CI：91, 95）。临床医生和 AI 的表现之间没有统计学上的显着差异。42 项研究中有 22 项（52%）被判定具有高偏倚风险。元回归确定了数据中的多种异质性来源，包括偏倚风险和骨折类型。

结论：人工智能 (AI) 和临床医生在骨折检测方面具有可比的诊断性能，这表明 AI 技术有望成为未来临床实践中的诊断辅助手段。

大家在科研路上，可以借鉴这种研究方法，为自己的课题添砖加瓦。万层高楼平底起，一起加油呀！