AI-assisteret detektion af brud på røntgenstråler (FRACT-AI) (FRACT-AI)

Denne undersøgelse er blevet tilføjet som en delundersøgelse til Simulation Training for Emergency Department Imaging 2-undersøgelsen (ClinicalTrials.gov ID NCT05427838). Dette arbejde har til formål at evaluere virkningen af ​​en kunstig intelligens (AI)-forstærket algoritme kaldet Boneview på den diagnostiske nøjagtighed af klinikere ved påvisning af frakturer på almindelig røntgen (X-Ray). Undersøgelsen vil skabe et datasæt med 500 almindelige røntgenbilleder, der involverer standardbilleder af alle knogler bortset fra kraniet og halshvirvelsøjlen, med 50 % normale tilfælde og 50 % med frakturer. En reference 'grundsandhed' for hvert billede for at bekræfte tilstedeværelsen eller fraværet af en fraktur vil blive etableret af et seniorradiologpanel. Dette datasæt vil derefter blive udledt af Gleamer Boneview-algoritmen for at identificere frakturer. Algoritmens ydeevne vil blive sammenlignet med referencestandarden. Undersøgelsen vil derefter gennemføre et Multiple-Reader Multiple-Case-studie, hvor klinikere fortolker alle billeder uden AI og derefter med adgang til output fra AI-algoritmen. 18 klinikere vil blive rekrutteret som læsere med 3 fra hver af seks adskilte kliniske grupper: Akutmedicin, Traume og Ortopædkirurgi, Akutsygeplejerske, Fysioterapi, Radiologi og Radiografer, med tre niveauer af anciennitet i hver gruppe. Ændringer i rapporteringsnøjagtighed (sensitivitet, specificitet), tillid og læsehastighed i to sessioner vil blive sammenlignet. Resultaterne vil blive analyseret i en samlet analyse for alle læsere samt for følgende undergrupper: Klinisk rolle, Anciennitetsniveau, Patologisk fund, Billedsvær. Undersøgelsen vil demonstrere virkningen af ​​en AI-fortolkning sammenlignet med fortolkning af klinikere og sammenlignet med klinikere, der bruger AI som et supplement til deres fortolkning. Undersøgelsen vil repræsentere en række faglige baggrunde og erfaringsniveauer blandt det kliniske element. Undersøgelsen vil bruge almindelige film røntgenstråler, der vil repræsentere en række anatomiske synspunkter og patologiske præsentationer, dog vil røntgenstråler præsentere lige mange patologiske og ikke-patologiske røntgenstråler, hvilket giver lige stor vægt til vurdering af specificitet og sensitivitet. Etikgodkendelse er allerede givet, og undersøgelsen vil blive formidlet gennem publicering i peer-reviewede tidsskrifter og præsentation på relevante konferencer.