Co studie hodnotila
Studie hodnotila, zda funkce Spine Measurement functionality dokáže automaticky měřit Cobbův úhel a klasifikovat závažnost skoliózy na stojících anteroposteriorních rentgenových snímcích celé páteře.
Analyzováno bylo celkem 103 rentgenových snímků z deseti nemocnic. Dva muskuloskeletální radiologové nezávisle na sobě změřili maximální Cobbův úhel v každém případě a výstup AI byl porovnán s měřením obou hodnotitelů.
Výsledky studie v klinické praxi
AI vygenerovala měření Cobbova úhlu, která se blížila měření odborných radiologů a pohybovala se v rozmezí běžné variability mezi hodnotiteli. Průměrná absolutní chyba činila 3,89° ve srovnání s Radiologem 1 a 3,90° ve srovnání s Radiologem 2, zatímco rozdíl mezi těmito dvěma radiology byl 3,30°.
AI také vykázala silnou korelaci s oběma radiology a srovnatelnou shodu v klasifikaci závažnosti skoliózy. V praxi to naznačuje, že automatické měření Cobbova úhlu může pomoci zvýšit konzistenci vykazování skoliózy, omezit opakovaná manuální měření a podpořit triáž v klinických pracovních postupech.
Klíčová čísla
Kohorta studie: 103 AP snímků celé páteře vestoje z 10 nemocnic
AI vs. Radiolog 1: MAE 3,89°, RMSE 4,77°, Pearsonovo r = 0,906
AI vs. Radiolog 2: MAE 3,90°, RMSE 5,68°, Pearsonovo r = 0,880
Meziradiologické srovnání: MAE 3,30°, Pearsonovo r = 0,928
Shoda v klasifikaci závažnosti: Cohenovo κ = 0,51 a 0,64 pro AI vs. radiologové, ve srovnání s κ = 0,59 mezi radiology
Profil pacientů: průměrný věk 18,6 let; 81 % rentgenových snímků pocházelo od pacientů mladších 20 let
Abstrakt
Hodnocení skoliózy závisí na přesném měření Cobbova úhlu, které určuje diagnózu, sledování pacienta, indikaci korzetu a doporučení k operaci. Manuální měření je časově náročné a může se mezi hodnotiteli lišit. Tato retrospektivní multicentrická studie hodnotila funkci měření páteře systému Carebot AI Bones pro plně automatizované měření Cobbova úhlu a klasifikaci závažnosti skoliózy na 103 stojících anteroposteriorních rentgenových snímcích celé páteře z deseti nemocnic. Každý snímek nezávisle změřili dva muskuloskeletální radiologové, kteří sloužili jako referenční čtenáři. Shoda mezi AI a každým radiologem byla hodnocena pomocí Bland-Altmanovy analýzy, průměrné absolutní chyby, odmocniny průměrné čtvercové chyby (RMSE), Pearsonovy korelace a Cohenova koeficientu kappa pro čtyřstupňovou klasifikaci závažnosti. V porovnání s radiologem 1 dosáhla AI průměrné absolutní chyby 3,89° a RMSE 4,77°, s odchylkou 0,70° a limity shody od -8,59° do 9,99°. V porovnání s radiologem 2 dosáhla AI průměrné absolutní chyby 3,90° a RMSE 5,68°, s odchylkou 2,14° a limity shody od -8,23° do 12,50°. Pearsonova korelace byla r = 0,906 a r = 0,880 pro AI versus oba radiologové, zatímco korelace mezi hodnotiteli navzájem byla r = 0,928. Cohenovo kappa pro klasifikaci závažnosti dosáhlo 0,51 a 0,64 pro AI versus radiologové, což je srovnatelné se shodou mezi hodnotiteli (0,59). Výsledky ukazují, že Carebot AI Bones dokáže reprodukovat měření Cobbova úhlu a klasifikaci závažnosti na expertní úrovni napříč více centry, což přispívá ke konzistentnějšímu hodnocení skoliózy, reportování a triáži.
