X 線上の AI 支援による骨折検出 (FRACT-AI) (FRACT-AI)

この研究は、救急部門画像処理シミュレーション トレーニング 2 研究 (ClinicalTrials.gov) のサブ研究として追加されました。 ID NCT05427838)。 この研究は、単純 XR (X 線) での骨折検出における臨床医の診断精度に対する、Boneview と呼ばれる人工知能 (AI) 強化アルゴリズムの影響を評価することを目的としています。 この研究では、頭蓋骨と頸椎以外のすべての骨の標準画像を含む 500 枚の単純 X 線写真のデータセットを作成します。そのうち 50% は正常で、50% が骨折を含んでいます。 骨折の有無を確認するための各画像の参照「グラウンドトゥルース」は、上級放射線科医委員会によって確立されます。 このデータセットは、Gleamer Boneview アルゴリズムによって推論され、骨折を特定します。 アルゴリズムのパフォーマンスは参照標準と比較されます。 その後、この研究では、臨床医が AI を使用せずにすべての画像を解釈し、その後 AI アルゴリズムの出力にアクセスして解釈するマルチリーダー複数症例研究が行われます。 18 人の臨床医が読者として採用され、救急医学、外傷および整形外科、救急看護師、理学療法士、放射線科、放射線技師の 6 つの異なる臨床グループからそれぞれ 3 人が選ばれ、各グループで 3 つの年功レベルが設けられます。 2 つのセッションにおけるレポートの精度 (感度、特異度)、信頼性、およびリーダーの速度の変化が比較されます。 結果は、すべての読者と次のサブグループのプール分析で分析されます: 臨床的役割、年功レベル、病理学的所見、画像の難易度。 この研究では、臨床医による通訳と比較したり、AI を通訳の補助として使用する臨床医と比較したりして、AI 通訳の影響を実証します。 この研究は、臨床要素の幅広い専門的背景と経験レベルを代表するものとなります。 この研究では、さまざまな解剖学的見解と病理学的症状を表す単純フィルム X 線が使用されますが、X 線では同数の病理学的 X 線と非病理学的 X 線が表示され、特異性と感度の評価に同じ重みが与えられます。 倫理的な承認はすでに得られており、この研究は査読付き雑誌への掲載や関連学会での発表を通じて広められる予定です。