Page 85 - 南京医科大学学报自然科学版
P. 85

第42卷第2期            朱雅茹，祁 良，徐 磊，等. 人工智能软件辅助诊断新鲜肋骨骨折的效能评估［J］.
                  2022年2月                     南京医科大学学报（自然科学版），2022，42（02）：227-232                       ·231 ·


                骨骨折病例的时间［（117.28±53.23）s］比 AI 辅助前                 于 CNN 深度学习的人工智能软件可以对肋骨骨折
               ［（145.71 ± 58.78）s］的 时 间 减 少 了 28.43 s（95CI：       进行准确标记，从而降低了诊断经验对影像医师的
                27.73~29.13 s），差异具有统计学意义，t=79.697，P＜              影响。谭辉等       ［18］ 使用深度学习的计算机辅助诊断
                0.001。低年资医师（图5，诊断医师1和2）AI辅助前                      系统诊断急性肋骨骨折的检出效能，结果显示相比
                后每个病例平均阅片时间缩短最为显著，分别为                             独立阅片，辅助诊断后的检出效能明显提升，本研
               （36.35±21.70）s（95%CI：34.46~38.24 s；t=37.756，P＜     究结果与其一致。
                0.001）、（32.56±16.64）s（95%CI：31.11~34.01 s；t=          在临床工作中，完全错位骨折容易诊断，在本
                44.105，P＜0.001）。                                  研究中，无论是低年制医生还是高年资医生，在没
                                                                  有AI的辅助下，几乎均能对完全错位的骨折得出准
                         Al辅助前
                         Al辅助后                                    确的诊断；对于部分错位的骨折，低年制医生诊断
                    200
                   （ s ）  150                                     的敏感性稍低于高年制医生诊断的敏感性，但运用
                   每个病例诊断时间  100                                 （P＜0.001），几乎和高年制医生相同，达到 98%左
                                                                  AI 辅助诊断后，低年制医生诊断敏感性显著提高

                                                                  右；对于无错位肋骨骨折，因为骨折处没有明显形
                                                                  态改变，不同年资的诊断医师均容易误诊或漏诊。
                     50
                                                                  在AI辅助下，不同年资的诊断医师对无错位骨折灵
                      0                                           敏度均明显提高（P＜0.001），其中低年资医师与高
                           1     2    3     4    5     6
                                      诊断医师                        年资医师对无错位骨折的诊断效能提升更加显著
                   使用AI辅助诊断肋骨骨折后，6名放射科医生的诊断时间均减
                                                                 （64.41% vs. 78.49%，P＜0.001；71.38% vs. 82.27%，
                少，平均缩短时间28.43 s，P值均＜0.001。
                                                                  P＜0.001）。虽然AI辅助后无错位骨折的诊断灵敏
                        图5 使用AI诊断肋骨骨折前后时间
                Figure 5  Time to diagnosis of rib fractures before and af⁃  度提升显著，但其诊断灵敏度仍较低。漏诊的骨折
                        fer using AI assistance                   常是裂隙状骨折及骨皮质屈曲型骨折，误诊原因常
                                                                  包括血管沟、呼吸伪影、肋软骨移行处等。
                3  讨 论
                                                                      在诊断时间上，本研究显示，AI 辅助后诊断医
                    CT 扫描显示外伤性肋骨骨折较 X 线平片能提                       师 的 阅 片 时 间 显 著 下 降［（145.71 ± 58.78）s vs.
                供更加丰富 、准确的影像信息             ［5-6］ 。而临床上肋骨         （117.28±53.23）s，P＜0.001］，这是因为 AI 软件提供
                                     ［7］
                骨折误诊及漏诊率较高 。CNN 是深度学习（deep                        了准确的骨折所在层面及位置，能使诊断医师更快
                learning）的代表算法之一，在骨骼肌肉放射学中已                       速地做出诊断并定位骨折。Zhou 等               ［10］ 建立了肋骨
                有多种应用     ［11］ ，本研究采用基于CNN的人工智能软                  骨折检测模型，对比独立阅片与AI辅助后诊断时间
                件，对肋骨骨折实现检测。目前已有基于CNN的人                           显示，阅片时间缩短了约73.9 s，本研究显示AI辅助
                工智能软件在提高肺结节及乳腺癌检出能力的相关                            后诊断医师的阅片时间缩短约28.43 s，缩短时间的
                研究表明，AI 辅助后检出能力明显提高                ［13-15］ 。基于    差异可能和软件选用的算法模型及阅片者的诊断
                CNN 的深度学习技术辅助肋骨骨折诊断的研究多                           经验有关。
                集中于算法和模型        ［9-10，16-17］ 。                        本研究有一定的局限性。首先，数据集病例为
                    在诊断效能方面，本研究结果显示，AI 辅助诊                        回顾性收集，病例均为已被诊断的病例，无法获得
                断后不同年资的影像医师诊断肋骨骨折的能力均                             临床上漏诊的病例，存在一定的选择性偏倚；第二，
                升高。独立阅片时低年资医师的诊断灵敏度及                              本研究是单中心研究，不是多中心研究，但样本量

                AUC 均低于高年资医师，差异有统计学意义；而 AI                        较大，包括各种类型骨折，研究结果具有一定可靠
                辅助诊断后低年资医师与高年资医师的诊断灵敏                             性。其次，本研究中肋骨骨折的诊断基于资深放射
                度及 AUC 均提升。一致性分析结果显示 AI 辅助阅                       科医师的诊断，而不是病理结果，但此情况也无法

                片后，低年资医师与高年资医师之间的 Cohen’s                         避免，因为临床上很多肋骨骨折的患者无需手术；
                kappa 系数明显高于独立阅片时的系数（0.900 vs.                    最后，在胸部CT图像上出现憋气不良和严重呼吸伪
                0.832），说明AI 辅助诊断后可以使不同年资医师在                       影的患者被排除在研究之外。然而，此类患者在日
                诊断肋骨骨折的一致性上趋于相同。这是因为基                             常工作中并不少见，在以后的进一步研究中，应该
   80   81   82   83   84   85   86   87   88   89   90