Co studie hodnotila
Studie zkoumala jak dobře dokáže umělá inteligence detekovat zlomeniny na muskuloskeletálních rentgenech ve srovnání s radiology. Celkem bylo analyzováno 600 pediatrických a dospělých rentgenových snímků, přičemž konečná „pravdivá“ diagnóza byla stanovena zkušenými čtenáři. Diagnostický výkon AI systému Carebot AI Bones a čtyř radiologů s různými úrovněmi zkušeností byl přímo porovnán.
Výsledky studie v klinické praxi
AI systém vykázal vyšší citlivost než většina radiologů, což znamená, že přehlédl méně zlomenin, zejména v tělesných oblastech, kde jsou zlomeniny častější. Radiologové byli na druhou stranu obecně konzervativnější a dosáhli vyšší specificity, což vedlo k menšímu počtu falešně pozitivních nálezů. V praxi to naznačuje, že AI může sloužit jako účinná bezpečnostní síť proti přehlédnutým zlomeninám, zatímco konečná klinická rozhodnutí zůstávají na lékaři.
Klíčová čísla
Citlivost AI: 88 % (méně přehlédnutých zlomenin)
Citlivost radiologů: přibližně 70–83 %
Specificita radiologů: až 99 % (velmi málo falešně pozitivních)
Abstrakt
Detekce zlomenin pomocí rentgenového zobrazování je klíčová pro efektivní péči o pacienty. Navzdory technologickému pokroku zůstává přehlédnutí zlomenin významným problémem klinické praxe. Tato studie hodnotí diagnostický výkon modelu hlubokého učení ve srovnání s radiology při identifikaci zlomenin na rentgenových snímcích pohybového aparátu. Pro účely studie byl shromážděn soubor 600 rentgenových snímků dětí i dospělých, které byly retrospektivně hodnoceny dvěma referenčními hodnotiteli (ground truth), čtyřmi radiology s různou úrovní zkušeností v rámci multi-reader studie a AI modelem (Carebot AI Bones 1.2.2, Carebot s.r.o.). Referenční hodnocení bylo stanoveno pro 548 snímků, z nichž 95 obsahovalo zlomeninu a 453 bylo bez patologického nálezu. Výsledky ukázaly, že AI systém dosáhl citlivosti 0,884 (95% CI: 0,804–0,934) a specificity 0,879 (95% CI: 0,845–0,906). Naproti tomu citlivost radiologů se pohybovala v rozmezí 0,695 (0,596–0,778) až 0,832 (0,744–0,894), zatímco jejich specificita dosahovala hodnot mezi 0,962 (0,941–0,976) a 0,993 (0,981–0,998). AI model překonal radiology v citlivosti napříč různými částmi těla, zejména v oblastech s vyšším výskytem zlomenin, přičemž v některých kategoriích dosahoval srovnatelné specificity. Studie zdůrazňuje potenciál umělé inteligence ke zvýšení diagnostické přesnosti v klinické praxi.
