AI 辅助 X 射线骨折检测 (FRACT-AI) (FRACT-AI)

这项研究已作为子研究添加到急诊科成像模拟训练 2 研究 (ClinicalTrials.gov ID NCT05427838）。 这项工作旨在评估名为 Boneview 的人工智能 (AI) 增强算法对临床医生在普通 XR（X 射线）骨折检测中的诊断准确性的影响。 该研究将创建一个包含 500 张 X 光平片的数据集，涉及除颅骨和颈椎之外的所有骨骼的标准图像，其中 50% 为正常病例，50% 为骨折病例。 高级放射科医生小组将为每张图像建立参考“基本事实”，以确认是否存在骨折。 然后，该数据集将通过 Gleamer Boneview 算法进行推断，以识别骨折。 算法的性能将与参考标准进行比较。 然后，该研究将进行多读者多案例研究，临床医生在没有人工智能的情况下解释所有图像，然后访问人工智能算法的输出。 将招募 18 名临床医生作为读者，其中 6 个不同临床组中每组 3 名：急诊医学、创伤和骨科手术、急诊执业护士、物理治疗、放射科和放射技师，每组有 3 个级别的资历。 将比较两次会议中报告准确性（敏感性、特异性）、置信度和读者速度的变化。 结果将针对所有读者以及以下亚组进行汇总分析：临床作用、资历级别、病理发现、图像难度。 该研究将展示人工智能解释与临床医生解释相比以及与使用人工智能作为解释辅助的临床医生相比的影响。 该研究将代表临床要素中的一系列专业背景和经验水平。 该研究将使用代表一系列解剖视图和病理表现的平片 X 射线，但 X 射线将呈现相同数量的病理性和非病理性 X 射线，对特异性和敏感性的评估给予同等的重视。 该研究已获得伦理批准，将通过在同行评审期刊上发表以及在相关会议上进行演示来传播。