AI-assistert deteksjon av brudd på røntgenstråler (FRACT-AI) (FRACT-AI)

Denne studien er lagt til som en delstudie til Simulation Training for Emergency Department Imaging 2-studien (ClinicalTrials.gov ID NCT05427838). Dette arbeidet tar sikte på å evaluere virkningen av en kunstig intelligens (AI)-forbedret algoritme kalt Boneview på den diagnostiske nøyaktigheten til klinikere ved deteksjon av frakturer på vanlig røntgen (X-Ray). Studien vil lage et datasett med 500 vanlige røntgenbilder som involverer standardbilder av alle bein bortsett fra hodeskallen og cervikal ryggraden, med 50 % normale tilfeller og 50 % inneholder frakturer. En referanse "grunnsannhet" for hvert bilde for å bekrefte tilstedeværelse eller fravær av et brudd vil bli etablert av et senior radiologpanel. Dette datasettet vil deretter bli utledet av Gleamer Boneview-algoritmen for å identifisere brudd. Ytelsen til algoritmen vil bli sammenlignet med referansestandarden. Studien vil deretter gjennomføre en Multiple-Reader Multiple-Case-studie der klinikere tolker alle bilder uten AI og deretter med tilgang til utdata fra AI-algoritmen. 18 klinikere vil bli rekruttert som lesere med 3 fra hver av seks distinkte kliniske grupper: Akuttmedisin, traume og ortopedisk kirurgi, akuttsykepleiere, fysioterapi, radiologi og radiografer, med tre ansiennitetsnivåer i hver gruppe. Endringer i rapporteringsnøyaktighet (sensitivitet, spesifisitet), tillit og hastighet for lesere i to økter vil bli sammenlignet. Resultatene vil bli analysert i en samlet analyse for alle lesere samt for følgende undergrupper: Klinisk rolle, Ansiennitetsnivå, Patologisk funn, Bildevanskelighet. Studien vil demonstrere virkningen av en AI-tolkning sammenlignet med tolkning av klinikere, og sammenlignet med klinikere som bruker AI som et supplement til deres tolkning. Studiet vil representere en rekke faglige bakgrunner og erfaringsnivåer blant det kliniske elementet. Studien vil bruke ren film røntgenstråler som vil representere en rekke anatomiske synspunkter og patologiske presentasjoner, men røntgen vil presentere like mange patologiske og ikke-patologiske røntgenstråler, og gi like stor vekt på vurdering av spesifisitet og sensitivitet. Etikkgodkjenning er allerede gitt, og studien vil bli formidlet gjennom publisering i fagfellevurderte tidsskrifter og presentasjon på relevante konferanser.