%20(1).png)
Abstrakt:
Detekce zlomenin na muskuloskeletálních (MSK) rentgenových snímcích je klíčová jak pro urgentní, tak pro rutinní péči, avšak diagnostické chyby jsou běžné kvůli vysokému pracovnímu zatížení a omezené radiologické expertíze. Tato studie hodnotí diagnostickou výkonnost systému umělé inteligence (AI) (Carebot AI Bones 1.8.10; Carebot s.r.o.) při detekci zlomenin na MSK rentgenových snímcích a porovnává jeho výkon se šesti radiology s různou úrovní zkušeností v zaslepené multi-reader, multi-case (MRMC) studii. Celkem bylo retrospektivně analyzováno 489 radiografických snímků z běžné klinické praxe, přičemž referenční pravda byla stanovena u 448 snímků konsenzem tří zkušených radiologů. Diagnostická výkonnost byla hodnocena pomocí senzitivity (Se), specificity (Sp), pozitivního pravděpodobnostního poměru (PLR) a negativního pravděpodobnostního poměru (NLR), přičemž statistická analýza zahrnovala McNemarův test a Holmovu metodu pro vícenásobná srovnání. AI systém dosáhl senzitivity 0,921 (95% CI: 0,846–0,961) a specificity 0,897 (95% CI: 0,861–0,924). Senzitivita radiologů se pohybovala v rozmezí 0,663 až 0,933 a specificita v rozmezí 0,916 až 0,989. AI vykazovala konzistentně vysokou senzitivitu napříč jednotlivými částmi těla, zejména u zlomenin loktů a rukou/zápěstí, často převyšující výkon radiologů. Specificita byla mírně nižší, ale stále v akceptovatelném rozmezí, což podporuje potenciál AI jako doplňkového diagnostického nástroje. Tato zjištění zdůrazňují klinickou užitečnost AI při detekci MSK zlomenin, zejména v prostředích s omezenými zdroji nebo vysokým diagnostickým zatížením. Budoucí výzkum by měl tyto výsledky ověřit v rozsáhlejších, multicentrických studiích, aby se zajistila širší generalizovatelnost a posoudila integrace AI do reálných klinických pracovních postupů.
.png)
