AI-assisterad detektion av frakturer på röntgenstrålar (FRACT-AI) (FRACT-AI)

Denna studie har lagts till som en delstudie till studien Simulation Training for Emergency Department Imaging 2 (ClinicalTrials.gov ID NCT05427838). Detta arbete syftar till att utvärdera effekten av en artificiell intelligens (AI)-förbättrad algoritm som kallas Boneview på den diagnostiska noggrannheten hos läkare vid upptäckt av frakturer på vanlig röntgen (röntgen). Studien kommer att skapa en datauppsättning av 500 vanliga röntgenbilder som involverar standardbilder av alla ben förutom skallen och halsryggen, med 50 % normala fall och 50 % innehåller frakturer. En referens "grundsanning" för varje bild för att bekräfta närvaron eller frånvaron av en fraktur kommer att fastställas av en senior radiologpanel. Denna datauppsättning kommer sedan att infereras av Gleamer Boneview-algoritmen för att identifiera frakturer. Algoritmens prestanda kommer att jämföras med referensstandarden. Studien kommer sedan att genomföra en Multiple-Reader Multiple-Case-studie där kliniker tolkar alla bilder utan AI och sedan med tillgång till utdata från AI-algoritmen. 18 läkare kommer att rekryteras som läsare med 3 från var och en av sex distinkta kliniska grupper: Akutmedicin, Trauma och ortopedisk kirurgi, Akutsjuksköterska, Sjukgymnastik, Radiologi och Radiografer, med tre senioritetsnivåer i varje grupp. Förändringar i rapporteringsnoggrannhet (känslighet, specificitet), förtroende och läsarnas hastighet under två sessioner kommer att jämföras. Resultaten kommer att analyseras i en samlad analys för alla läsare samt för följande undergrupper: Klinisk roll, Senioritetsnivå, Patologiskt fynd, Bildsvårigheter. Studien kommer att visa effekten av en AI-tolkning jämfört med tolkning av kliniker, och jämfört med kliniker som använder AI som ett komplement till sin tolkning. Studien kommer att representera en rad yrkesbakgrunder och erfarenhetsnivåer inom det kliniska elementet. Studien kommer att använda vanlig filmröntgen som representerar en rad anatomiska vyer och patologiska presentationer, men röntgenstrålar kommer att presentera lika många patologiska och icke-patologiska röntgenstrålar, vilket ger lika stor vikt vid bedömning av specificitet och känslighet. Etikgodkännande har redan beviljats ​​och studien kommer att spridas genom publicering i peer-reviewade tidskrifter och presentation vid relevanta konferenser.